Data Analyst & Engineer

Intégration d'une équipe chargée de la lutte contre le blanchiment de capitaux et le financement du terrorisme, contribuant à renforcer les contrôles et la détection des risques financiers via des analyses de données avancées.

• Collecte et analyse des données de profils à risque liés au blanchiment de capitaux et au financement du terrorisme.
• Élaboration et mise à jour d'une cartographie des risques par secteur en matière de LCB/FT.
• Mise en place de typologies nationales de détection des anomalies et des opérations suspectes.
• Implémentation d'un système d'analyse de risque et de scoring prédictif sur AWS.
• Préparation et transformation de données massives via Apache Spark pour l'entraînement de modèles prédictifs.
• Entraînement de modèles de scoring sur Amazon SageMaker pour détecter les risques de blanchiment de capitaux.
• Mise en place de workflows automatisés (Airflow) pour le traitement et le suivi des résolutions du Conseil de sécurité de l'ONU.
• Stockage et transformation des données dans Snowflake pour l'analyse avancée et l'entraînement des modèles.
• Déploiement en mode serverless des prédictions via AWS Lambda et stockage sur Amazon S3.
• Élaboration de la visualisation et du reporting des résultats via Amazon QuickSight.

Rejointe de l'équipe data pour concevoir et optimiser les pipelines de collecte et d'analyse des données d'usage des services TV, permettant une meilleure compréhension des tendances de consommation et une optimisation des décisions opérationnelles.

• Mise en place d'un pipeline complet de collecte et de traitement des données d'usage TV via Google Cloud Platform (GCP).
• Stockage et transformation des données dans BigQuery via des Cloud Functions.
• Modélisation des sources de données TV en SQL à l'aide de dbt.
• Collecte, nettoyage et préparation des données d'utilisation des services TV pour l'analyse.
• Élaboration de modèles de machine learning pour analyser les données et prédire les tendances d'usage.
• Création et automatisation de tableaux de bord sur Power BI pour optimiser la visualisation et faciliter la prise de décision.
• Suivi et traitement des tableaux de bord capacitaires liés aux services TV.

Intégration à l'équipe data & analytics d'une grande chaîne de distribution pour moderniser la chaîne analytique, centraliser les données multi-canaux et mettre en place des modèles prédictifs d'optimisation des stocks et des ventes.

• Mise en place d'un pipeline de collecte et de centralisation des données issues des ventes et des programmes de fidélité couvrant les canaux magasins et e-commerce.
• Nettoyage, transformation et intégration des données dans un data warehouse.
• Développement de modèles de prévision des ventes et de la demande pour optimiser les stocks et l'approvisionnement.
• Analyses de comportement client et de segmentation pour renforcer la fidélisation et cibler les campagnes marketing.
• Création de tableaux de bord automatisés sur Power BI offrant un suivi en temps réel de la performance des produits et des ventes.

Rejointe de l'équipe data du groupe Richemont pour fiabiliser et centraliser la chaîne analytique retail/e-commerce, mettre en place une modélisation dbt structurée et développer des tableaux de bord Looker pour le suivi des performances opérationnelles.

• Développement et maintenance de modèles de données retail/e-commerce dans BigQuery centralisant les indicateurs liés aux commandes et aux performances opérationnelles.
• Conception de modèles dbt structurés en couches staging, intermediate et marts avec mise en place de règles métier pour le calcul des KPI.
• Transformation, nettoyage et intégration de données provenant de plusieurs sources pour alimenter les modèles analytiques et les dashboards métiers.
• Développement de dashboards et explores Looker en LookML, incluant la création de dimensions, mesures, filtres, calculs métier et visualisations pour le suivi de la performance.
• Mise en place de contrôles de cohérence, analyses de qualité de données et validations fonctionnelles pour garantir la fiabilité des indicateurs de reporting.
• Collaboration avec les équipes métiers pour traduire les besoins opérationnels en modèles analytiques, KPI et tableaux de bord exploitables.