Analytics Engineer

Intégration de l'équipe data de HSBC Continental Europe pour transformer la gestion du parcours client (CX) et optimiser le traitement des réclamations via l'intelligence artificielle.

• Conception et déploiement d'un pipeline CX end-to-end comprenant l'ingestion, le nettoyage et la visualisation des données, générant une amélioration de +4 points NPS sur 6 mois.
• Développement d'un système de prompt engineering sur l'IA interne de la banque permettant des recommandations personnalisées par type de réclamation et entité.
• Automatisation via Python du process de traitement entre 8 sources hétérogènes en créant des clés de jointure pertinentes, réduisant le délai de 2 jours à 4 heures (−83%).
• Réalisation d'un data wrangling complet sur 8 sources disparates : normalisation des formats texte/date, suppression des colonnes non exploitables, standardisation des schémas via Power Query.
• Modélisation d'une structure en étoile avec 15+ mesures DAX couvrant NPS, taux de détracteurs, sentiment, FCR, score d'empathie, et évolutions YoY & MoM en pourcentage et valeur absolue.
• Fourniture de tableaux de bord Power BI interactifs alimentant quotidiennement les décisions opérationnelles et stratégiques.

Intégration de l'équipe de conseil en données d'Infomineo pour analyser les enjeux d'adoption et de déploiement de l'IA auprès de clients MBB et du secteur public en Europe, Afrique et Moyen-Orient.

• Analyse de datasets couvrant 3 000+ heures de recherche via des pipelines de web scraping, des modèles Excel avancés et des recherches approfondies assistées par LLM (ChatGPT, Gemini).
• Collecte et traitement de données provenant de Refinitiv, Gartner et de bases publiques pour benchmarker l'adoption de l'IA dans les gouvernements (déploiement de chatbots, modèles de prédiction budgétaire, initiatives de transformation digitale).
• Construction de frameworks d'évaluation de maturité IA permettant de mesurer la readiness des organisations publiques sur les dimensions organisationnelle, technique et gouvernance.
• Structuration d'analyses multi-pays servant de fondation aux recommandations stratégiques des équipes de conseil.

Pilotage d'un projet de data science visant à segmenter et prédire les comportements de touristes pour optimiser les recommandations commerciales et les revenus régionaux.

• Réalisation d'une segmentation comportementale de 27 476 touristes basée sur 60+ variables d'une enquête ATR 2025.
• Déploiement de modèles de clustering (K-Means) et de prédiction (XGBoost) via scikit-learn pour identifier 4 personas comportementaux distincts.
• Construction d'une architecture cible sur AWS permettant la prédiction du persona probable en pré-arrivée et la simulation de l'uplift de revenu régional par recommandation ciblée.
• Remport du 1er prix du hackathon en démontrant l'impact business mesurable de l'approche.

Conception et déploiement d'un POC de data engineering sur AWS pour analyser 705 millions de points de données posturaux et détecter les risques bioméchaniques chez les joueurs de football.

• Ingestion et traitement de 705M data points comprenant des squelettes TRACAB 3D à 21 articulations, enregistrés à 60Hz sur 5 matchs Bundesliga.
• Déploiement d'une architecture complète via AWS Lambda, S3, SageMaker, OpenSearch, Neptune et DynamoDB pour l'orchestration et la requête du pipeline.
• Intégration de Bedrock avec MotionBERT pour générer des embeddings posturaux et alimenter une recherche vectorielle (vector search) et un système RAG.
• Démonstration de la faisabilité d'une détection de similarité de mouvement inter-joueurs pour l'identification de risques bioméchaniques et le scouting de remplacement positionnel.

Construction d'une architecture de données complète via dbt et BigQuery pour transformer les données transactionnelles brutes d'Olist en tables analytics-ready pilotant la performance commerciale et opérationnelle.

• Conception de 13 modèles dbt organisés en architecture staging, intermédiaire et data marts avec 21 tests de qualité intégrés.
• Création de 3 data marts analytiques fournissant des KPI de performance commerciale (régions rentables), de satisfaction client et de défaillances logistiques.
• Implémentation d'une structure CI/CD via Git permettant le versionning, la révision et le déploiement automatisé des transformations.
• Fourniture de tables analytics-ready consommables directement par des outils de visualisation ou d'analyse avancée.