Description

Consultant Data avec plusieurs expériences en environnement exigeant, j’accompagne les entreprises dans la valorisation de leurs données, de la structuration à la prise de décision.

J’interviens sur l’ensemble de la chaîne de valeur data :

✓Collecte, nettoyage et structuration de données (ETL, data pipelines)

✓Analyse exploratoire et identification d’insights à forte valeur ajoutée

✓Développement de modèles prédictifs (prévision, segmentation, scoring)

✓Création de dashboards et outils de pilotage pour les équipes métiers

Mon approche combine rigueur analytique, compréhension business et capacité à produire des solutions directement exploitables.

Habituée à travailler sur des problématiques complexes, j’interviens en autonomie tout en collaborant étroitement avec les équipes métiers et décisionnelles. Je serais très heureuse de contribuer à vos projets et de participer activement à leur réussite.

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

Accepte de travailler sur site

Paris (jusqu’à 20 km)

Scentair
Innovation manager | Modélisation & décision stratégique
CHIMIE
mars 2022 - décembre 2025 (3 ans et 9 mois)
Toulouse, France
➤Structuration et exploitation de données multi-sources (CRM, ventes, études consommateurs) via pipelines ETL (Python, pandas) avec contrôle qualité (data validation, gestion des outliers).
➤Conception et déploiement d’un modèle de prévision de la demande basé sur des approches hybrides (régression réguliarisée, Random Forest, Gradient Boosting), avec optimisation des hyperparamètres (Grid Search / Cross-Validation).
➤Mise en œuvre de feature engineering avancé : encodage, scaling, sélection de variables, réduction de dimension (PCA) pour améliorer la robustesse des modèles.
➤Analyse statistique avancée : tests d’hypothèses, ANOVA, analyse de corrélation, intervalles de confiance, pour évaluer l’impact de variables produits sur des indicateurs de performance et de bien-être.
➤Traduction des résultats en recommandations stratégiques, contribuant directement à la signature de +500K€ de contrats.
➤Production de livrables décisionnels (dashboards, synthèses exécutives) pour des parties prenantes non techniques.

Stack : Python (pandas, scikit-learn), modélisation prédictive, statistiques avancées, data storytelling
Python Data analysis Modélisation prédictive Feature Engineering Analyse de données statistiques
L'Oreal
Data Engineer | Data pipeline & Innovation
LUXE
janvier 2021 - février 2022 (1 an et 1 mois)
Paris, France
➤Conception d’un outil digital e-commerce basé sur un moteur de recommandation (rule-based + scoring algorithmique) intégrant données comportementales et attributs produits.
➤Architecture et implémentation de pipelines de données robustes (collecte, nettoyage, transformation) via Python / SQL, avec structuration en datasets exploitables pour l’analyse et le machine learning.
➤Industrialisation des traitements via scripts automatisés et workflows, garantissant fiabilité, traçabilité et scalabilité des données.
➤Réalisation d’analyses exploratoires avancées (EDA) : détection d’anomalies, segmentation, identification de drivers de performance.
➤Développement de dashboards interactifs (Power BI) pour le pilotage opérationnel et stratégique.

Stack : Python, SQL, data pipelines, EDA, automatisation, data visualisation
Data Reporting Analyse de données, Data visualisation, SQL, Microsoft Excel, Python Création d'outils Strategic Insights Digital tool
UCAR
Data Analyst | Stratégie Data & Conception d'un nouveau produit
AUTOMOBILE
novembre 2019 - décembre 2020 (1 an et 1 mois)
Paris, France
➤Définition et mise en œuvre d’une stratégie data complète : cadrage des besoins, définition de KPIs, structuration des flux de données.
➤Développement de modèles de machine learning supervisé et non supervisé (classification, clustering K-means) pour segmentation clients et détection de patterns d’usage.
➤Optimisation des performances via feature engineering, tuning de modèles et validation statistique.
➤Manipulation de données volumineuses via SQL avancé (jointures complexes, agrégations, optimisation de requêtes).
➤Intégration de sources de données externes et mise en place de processus de data quality management (validation, monitoring, cohérence).
➤dentification d’insights clés et recommandations permettant d’optimiser les performances produit et business.

Stack : Python (scikit-learn), SQL, machine learning, data analysis, data quality
Machine learning Définition et suivi des indicateurs (KPI) Data Management Gestion de base de données (SQL, NoSQL, etc.) Business improvement