Description

Expert en Python, SQL et machine learning, je transforme des données complexes en insights précis et solutions opérationnelles. Rigoureux, analytique et à l’aise avec les métiers, je livre des résultats fiables, bien expliqués et exploitables. Curieux et adaptable, je progresse continuellement pour apporter un impact concret.

Industry field of expertise

Languages

French
Native or bilingual
English
Fluent
Arabic
Native or bilingual

Workplace preferences

Can work on-site

Paris (up to 50km)

JULES
Data Scientist
FASHION AND COSMETICS
January 2020 - Today (6 years and 5 months)
Roubaix, France
Equipe Data (20 personnes), en méthode agile/Scrum, en collaboration avec l'équipe

Projet « Pricing : développement d'un modèle de machine learning permettant de définir le prix juste d'un vêtement en se basant sur les données transactionnelles »
• Collecte, nettoyage et structuration de données multi-sources (Python, SQL, Snowflake, BigQuery, Cloud Storage, Excel, CSV), afin de constituer des datasets fiables et exploitables pour les analyses et modélisations.
• Analyse descriptive et exploratoire pour identifier les tendances clés et les variables qui influencent les ventes.
• Création et sélection de nouvelles features, avec analyse de leur importance pour évaluer leur impact sur la performance prédictive.
• Comparaison et test de plusieurs modèles de pricing, avec sélection du modèle le plus performant.
• Développement d'un modèle prédictif pour estimer les profils de vente saisonniers et affiner les prévisions.
• Développement d'un modèle de pricing basé sur l'attractivité produit, intégrant estimation de la décroissance de la demande, calcul d'élasticité, clustering et simulation de ventes pour recommander le prix optimal.
• Développement d'applications Streamlit pour le modèle de prédiction des profils de vente et pour le modèle de pricing.
• Déploiement des applications sur Cloud Run et Snowflake.
Analyses ponctuelles :
• Analyse de la stratégie des prix (impact des nouveaux prix sur les ventes)
• Analyse de la performance de vente par segment client (âge, genre, ancienneté, …)
• Analyse des prédictions des ventes réalisées par des prestataires externes (comparaison avec les ventes réelles)
Environnement technique : Python, Pandas, SQL, Snowflake, Streamlit, GCP, BigQuery, Vertex AI, Cloud Run, Cloud Storage, NumPy, Matplotlib, Plotly, Scikit-learn, XGBoost, LightGBM, K-Means
Snowflake Google Cloud Platform (GCP) Streamlit Python SQL
DELTA FOODS
Data Scientist
AGRICULTURE
January 2020 - August 2023 (3 years and 7 months)
Paris, France
• Collecte, nettoyage et structuration de données multi-sources.
• Normalisation et préparation de datasets fiables pour la modélisation (Python, Pandas, SQL).
• Développement et automatisation d'un pipeline complet de traitement des données (Python + SQL + Talend). Data analyse :
• Analyse des ventes : saisonnalité, tendances marché, performance produit/gamme, segmentation client.
• Analyse des coûts matières, marges et rotations pour optimiser la performance commerciale et la rentabilité.
• Construction et automatisation de reportings : quotidien, hebdomadaire, mensuel et annuel.
• Création de tableaux de bord Power BI et Excel pour le pilotage opérationnel.
• Segmentation produits/clients (clustering) et analyse des comportements d'achat. Machine learning :
• Développement de modèles prédictifs pour prévoir les ventes et anticiper les niveaux de stock, optimisant le planning de production et réduisant ruptures et surstocks.
• Développement d'un modèle de pricing intégrant coûts matière, saisonnalité et tendances marché pour recommander des prix optimisés.
• Optimisation des modèles pour améliorer la précision des prévisions et recommandations. Environnement technique : Python, Pandas, NumPy, SQL, Scikit-learn, Prophet, ARIMA, LightGBM, Talend, Power BI, SQL Server, Excel.
Pandas Talend Microsoft Power BI Microsoft Excel Python
Esky web
Développeur Data /Django
DIGITAL AND IT
January 2019 - December 2019 (11 months)
Tunis, Tunisia
• Modélisation, structuration et optimisation des bases de données PostgreSQL utilisées par les applications internes.
• Développement d'interfaces back-end, permettant d'exposer, filtrer et agréger les données de manière fiable pour les utilisateurs et les dashboards internes.
• Écriture de requêtes SQL pour l'extraction, l'analyse et le reporting de données opérationnelles.
• Développement de scripts Python pour automatiser les tâches répétitives (nettoyage de données, mise à jour de tables, vérifications d'intégrité), réduisant la charge manuelle des équipes.
• Contribution à l'amélioration de la qualité des données : correction d'anomalies, vérification des règles d'intégrité, normalisation des structures et optimisation des performances.
• Collaboration avec l'équipe projet pour transformer des besoins métier en modèles de données efficaces, en garantissant la cohérence et la performance des requêtes critiques.
• Développement d'outils internes de consultation et de visualisation simple (tableaux, exports Excel/CSV) pour aider les équipes à mieux exploiter les données. Environnement technique : Python, Django, SQL, PostgreSQL, HTML/CSS, JavaScript (jQuery).
Python Django SQL JavaScript HTML/CSS