Business Data Analyst

A intégré l'équipe data d'une plateforme logistique majeure pour moderniser le pilotage des opérations en Réception, Préparation, Expédition, Transport et SAV.

• A recueilli les besoins métiers des équipes opérationnelles et développé des tableaux de bord Power BI pour le pilotage des KPI opérationnels du cadrage fonctionnel à la mise en production.
• A automatisé le suivi de la saturation des stocks avec Power Automate, réduisant le temps de traitement de 3 heures à moins de 10 minutes par jour.
• A développé 20+ KPI et reportings décisionnels à partir de données Teradata et SQL, améliorant la fiabilité et le pilotage de la performance opérationnelle.
• A déployé les tableaux de bord auprès des équipes métiers et accompagné leur adoption afin de renforcer l'utilisation des indicateurs de performance.
• A produit des analyses décisionnelles sur les données SAV (délais de traitement, taux de résolution, motifs de retour, classement des compagnies de livraison) pour identifier les leviers d'amélioration de la qualité de service.
• A analysé les performances logistiques (temps de préparation, taux d'erreur, productivité) pour identifier les goulots d'étranglement.

A rejoint l'équipe data d'un gestionnaire d'actifs majeur pour moderniser le reporting commercial et la gouvernance des données de performance.

• A recueilli les besoins des équipes Business, Sales et Management afin de traduire les enjeux métiers en spécifications fonctionnelles pour la modernisation des reportings et tableaux de bord décisionnels.
• A contribué à la migration d'un reporting PDF vers Power BI en développant des dashboards interactifs permettant le pilotage des Net Flows, Pipeline, Assets Under Management (AUM), WTD, MTD, YTD et Strategic Annual Plan selon plusieurs axes d'analyse (Sales Team, Asset Class, Segment, Géographie).
• A conçu un Data Quality Framework permettant de détecter les overlaps, incohérences de pipeline, écarts entre données déclarées et réelles, probabilités incohérentes et anomalies de dates, renforçant la fiabilité du reporting exécutif.
• A automatisé les contrôles qualité avec Python, réduisant le traitement des overlaps de plus d'une heure à moins d'une minute (gain de 98%) et améliorant la gouvernance des données ainsi que la qualité des KPI commerciaux.
• A produit des analyses décisionnelles destinées à 30+ managers et head of sales à partir de MyAnalytics, MyCRM et Alto AI, en consolidant les données commerciales pour alimenter le pilotage de la performance et le suivi du pipeline.
• A collaboré avec les parties prenantes métiers pour valider les indicateurs, contrôler la cohérence des restitutions et accompagner le déploiement des tableaux de bord dans une démarche Business Intelligence.

A intégré l'équipe reporting d'une plateforme ESG pour fiabiliser la collecte et le traitement des données de durabilité conformes aux normes réglementaires.

• A automatisé la collecte, le contrôle et le traitement des données ESG avec Python, fiabilisant les reportings réglementaires.
• A développé des dashboards Power BI pour le suivi des KPI ESG, la visualisation des indicateurs de durabilité et le pilotage de la performance extra-financière.
• A renforcé la Data Quality en contrôlant et fiabilisant les données de plusieurs sources avant leur intégration dans les reportings réglementaires.
• A contribué à la production de reportings ESG en garantissant la conformité avec les exigences CSRD, SFDR et de la Taxonomie européenne.

A rejoint l'équipe de modélisation d'une banque pour développer les capacités d'évaluation du risque de crédit et améliorer la gouvernance des données de portefeuille.

• A contribué au développement d'un Credit Scoring Model pour l'évaluation du risque de crédit et l'aide à la décision.
• A réalisé des analyses de portefeuille et des segmentations clients afin d'améliorer l'évaluation du risque et la performance des modèles de scoring.
• A automatisé les Risk Reportings avec Python, permettant le suivi des KPI de risque, de la qualité des données et des indicateurs de portefeuille.
• A mis en œuvre des contrôles de Data Quality et de détection d'anomalies afin de fiabiliser les données utilisées pour les analyses de risque et les reportings réglementaires.