Data Analyst

Intégration de l'équipe Data et Performance (5 personnes) d'une entreprise de services BtoB (250 collaborateurs) pour fiabiliser les données et produire les reportings pour les directions commerciale, financière et opérationnelle.

• Consolidation de 8 sources de données commerciales, financières et opérationnelles, supprimant 55 % des retraitements manuels sous Excel.
• Nettoyage et contrôle de plus de 4 millions de lignes de données, ramenant le taux d'anomalies de 3,8 % à 1,2 % en 10 mois.
• Développement de 45 requêtes SQL couvrant les ventes, la facturation, les clients, les contrats et les opérations, réduisant de 40 % le délai de préparation des analyses.
• Construction de 7 dashboards Power BI utilisés chaque semaine par 55 collaborateurs, avec un taux d'adoption supérieur à 85 %.
• Définition de 32 KPI portant sur le chiffre d'affaires, la marge, les délais, la productivité et la satisfaction client, harmonisant les indicateurs entre 4 directions.
• Automatisation de 12 reportings mensuels avec Power Query, Python et Power BI, générant un gain de 18 heures de travail par mois.
• Identification de 9 tendances de sous-performance sur plusieurs segments clients, conduisant à 6 plans d'action commerciaux.
• Détection de 420 doublons et incohérences dans les bases clients, améliorant de 22 % la fiabilité des campagnes commerciales.
• Développement d'un script Python de contrôle des données, réduisant de 60 % le temps consacré aux vérifications avant diffusion.
• Production de 24 analyses ad hoc en 12 mois, dont 18 ont été utilisées dans les réunions de pilotage.
• Présentation mensuelle des résultats à 12 managers avec une synthèse limitée à 5 recommandations prioritaires par comité.
• Animation de 10 ateliers de recueil des besoins, formalisant 38 règles de gestion et critères d'acceptation.
• Documentation de 25 indicateurs et sources de données, réduisant de 30 % les demandes d'explication.

Intégration de l'équipe BI (6 personnes) d'un groupe retail et distribution (45 points de vente) pour analyser les ventes, stocks, promotions et comportements clients.

• Analyse de 2,2 millions de lignes de ventes, identifiant 14 catégories présentant un potentiel de croissance supérieur à 8 %.
• Construction de 5 dashboards Power BI couvrant les ventes, les stocks, les ruptures, la marge et les promotions.
• Réduction de 45 % du temps de production du reporting hebdomadaire grâce à l'automatisation des imports avec Power Query.
• Développement de 28 requêtes SQL pour extraire les données de caisse, de stock et de fidélité.
• Rapprochement des données de 3 systèmes, corrigeant 680 écarts entre ventes, stocks et référentiel produits.
• Analyse de 32 campagnes promotionnelles, identifiant 9 opérations dont la marge avait diminué malgré la hausse des volumes.
• Développement d'une segmentation de 85 000 clients selon la fréquence, la récence et le montant des achats.
• Identification de 4 segments représentant 62 % du chiffre d'affaires, facilitant la priorisation des actions marketing.
• Construction d'un modèle de prévision simple sous Python, avec une erreur moyenne inférieure à 9 % sur les volumes hebdomadaires.
• Automatisation de 6 contrôles de cohérence, réduisant de 35 % les erreurs détectées après publication des reportings.

Intégration de la direction Data et opérations (7 personnes) d'un groupe de protection sociale pour contrôler les bases clients, contrats et transactions utilisées dans les reportings internes.

• Contrôle de 1,5 million de lignes de données clients et contrats, identifiant 2 300 anomalies de complétude et de cohérence.
• Correction ou régularisation de 78 % des anomalies critiques avant leur intégration dans les reportings mensuels.
• Développement de 16 règles de contrôle sous SQL, automatisant 65 % des vérifications auparavant réalisées manuellement.
• Création de 4 scripts Python pour détecter les doublons, valeurs manquantes et écarts de format.
• Réduction du temps de contrôle hebdomadaire de 10 heures à 4 heures grâce à l'automatisation des tests.
• Participation à l'intégration de 6 flux de données dans un processus ETL, avec validation de 120 cas de test.
• Rapprochement des informations du CRM, de l'ERP et de la base de facturation, améliorant de 18 % le taux de concordance.
• Construction d'un dashboard Power BI de suivi des anomalies utilisé par 3 équipes opérationnelles.
• Classification des incidents selon 4 niveaux de criticité, réduisant le délai moyen de résolution de 3,1 jours à 1,8 jour.
• Documentation de 20 règles de gestion et procédures de contrôle dans Confluence.