Mohamed Belhadj

Dans le cadre d’une mission stratégique pour la SNCF, je suis intervenu sur une problématique clé : la segmentation avancée des voyageurs en vue de renforcer la fidélisation, dans un contexte d’ouverture accrue à la concurrence sur le marché ferroviaire européen à l’horizon 2030.

L’enjeu pour le client était double :

Mieux comprendre la diversité de sa base clients,

Activer des leviers concrets de rétention et de valeur face à des acteurs de plus en plus agressifs.

Approche & valeur apportée

J’ai conçu et déployé une segmentation 100 % data-driven, allant au-delà des segmentations marketing classiques, en croisant des dimensions à la fois comportementales, financières et de risque :

Fréquence et régularité des voyages

Habitudes de consommation (types de trajets, canaux, temporalité)

Chiffre d’affaires et rentabilité par client

Indicateurs de fragilité / sensibilité à la concurrence

Potentiel de fidélisation et de montée en gamme

Cette approche a permis d’identifier des segments à fort enjeu business, mais aussi des populations à risque de churn, jusque-là peu visibles.

Mise en œuvre opérationnelle

La mission a couvert l’ensemble de la chaîne de valeur data :

Exploration, préparation et modélisation des données via SQL, Python et Dataiku

Construction de segmentations actionnables et robustes statistiquement

Datavisualisation et dashboards décisionnels sous Power BI

Synthèse stratégique et recommandations business formalisées dans des supports PowerPoint à destination du top management

J’ai également présenté les résultats et recommandations lors de plusieurs comités de pilotage (COPIL), en adaptant le discours à des interlocuteurs métiers, data et décisionnaires.

Résultats clés:

- Une vision client unifiée et exploitable

- Des segments directement activables pour les équipes marketing, CRM et stratégie

- Une aide concrète à la décision dans un contexte de transformation et de concurrence européenne

I utilize advanced data science techniques to monitor and analyze sensitive credit portfolios, ensuring compliance with internal policies and U.S. regulatory requirements. I developed a comprehensive Power BI dashboard that provides non-technical teams with real-time financial risk metrics, enabling informed decision-making. I leverage SQL Server and Excel to conduct deep data analyses, supporting critical business decisions while ensuring regulatory accuracy in monthly and quarterly reports. To improve operational efficiency, I applied Python for automating key processes, reducing manual tasks, and minimizing the risk of errors. By combining data science methodologies with financial expertise, I can uncover actionable insights and drive the creation of data driven strategies that enhance risk management and streamline processes. My role requires continuous collaboration with cross functional teams to ensure that data solutions align with broader business objectives and regulatory standards.

I analyzed social network data, including Reddit, to understand gamer interests and behaviors. Using Natural Language Processing (NLP) techniques, I identified player groupings and created targeted audience strategies for marketing and development teams. I also managed workflows within the Dataiku platform, optimizing data processing pipelines to ensure efficiency and reliability. My work included clustering and profiling the video game market, where I developed detailed market mappings that highlighted new opportunities and trends. By translating complex data into meaningful insights, I supported strategic decisions that shaped audience engagement and market positioning.