Ce projet visait à améliorer la stratégie tarifaire grâce à une approche analytique fondée sur les données clients et les comportements d’achat.

• Collecte et transformation des données : Intégration et centralisation des données issues de multiples applications des points de vente via des pipelines ADF..

• Mise en place de processus ETL robustes assurant la qualité, l’uniformité et l’accessibilité des données nécessaires à l’analyse.

• Segmentation et analyse des prix : Réalisation d’analyses avancées en SQL et Python pour identifier les segments clients clés (selon leur comportement d’achat, sensibilité au prix, fréquence, panier moyen, etc.). Ajustement dynamique des prix par segment afin d’optimiser la marge tout en améliorant la satisfaction client, selon des KPI définis (taux de conversion, taux de marge, élasticité).

• Automatisation des analyses : Développement de pipelines Python pour automatiser les processus d’analyse, la génération de reportings dynamiques, et les recommandations tarifaires, réduisant significativement les délais de traitement et renforçant l’agilité décisionnelle des équipes commerciales et marketing.

Projet Pricing – Optimisation des prix par la donnée

Projet ANIMCO – Optimisation du Programme de Fidélité (Portugal)

Dans le cadre du développement du programme de fidélité pour les enseignes portugaises du groupement, ce projet avait pour objectif de renforcer l’engagement client à travers une approche data-driven et personnalisée.

• Animation des réunions internationales : Participation active aux comités de pilotage avec les équipes locales et internationales, présentation des analyses en anglais, suivi des livrables, et coordination des actions entre les différentes parties prenantes.

• Centralisation des données de fidélité : Intégration, nettoyage et modélisation des données clients issues de divers systèmes pour centraliser l’information dans un Data Hub, garantissant la cohérence, la traçabilité et l’exploitabilité des données.

• Analyse et segmentation client : Identification des comportements d’achat récurrents, fréquence de visite, paniers moyens et types de produits consommés afin de créer des segments clients pertinents. Cette segmentation a permis de personnaliser les offres promotionnelles et d’augmenter le taux de conversion.

• Optimisation des KPI de fidélité : Suivi et analyse des indicateurs clés (taux de rétention, panier moyen, fréquence d’achat, activation des cartes) pour mesurer l’efficacité des stratégies mises en place et ajuster les leviers de fidélisation en temps réel.

Projet STIME x Banque Chabrière – Optimisation des processus métiers bancaires

Ce projet s’inscrit dans une démarche d’amélioration des processus bancaires à travers la modélisation et l’exploitation intelligente des données.

• Modélisation des données : Conception d’un modèle en étoile (star schema) adapté aux besoins de reporting et d’analyse métier. Réalisation d’analyses statistiques exploratoires pour comprendre les flux bancaires (clients, crédits, souscriptions, comptes) et identifier des leviers d’optimisation.

• Qualité et conformité des données : Supervision des différentes phases projet (QA, préproduction, production) afin de garantir l’intégrité des données et leur conformité avec les exigences fonctionnelles et réglementaires. Mise en place de contrôles qualité automatisés pour renforcer la fiabilité du système.

• Gestion Agile : Travail en étroite collaboration avec les équipes métiers (Banque Chabrière) pour recueillir les besoins, itérer sur les livrables, et assurer une adaptation continue aux contraintes et évolutions du secteur bancaire. Application des principes Agile/Scrum pour assurer réactivité et qualité de livraison.

Projet Polytope – Optimisation des Données de chiffrage pour les Assurances (Alkera Groupe)

Dans le cadre de la modernisation des outils d’analyse pour les compagnies d’assurance, ce projet visait à fiabiliser l’évaluation des risques et à renforcer la prise de décision à partir des données issues de l’outil Polytope.

• Gestion et structuration des données : Extraction, transformation et modélisation des données complexes issues de Polytope pour construire une base d’analyse cohérente et exploitable. Ce travail a permis d’améliorer la précision des estimations de sinistres et d’optimiser l’évaluation des risques assurantiels.

• Automatisation et reporting dynamique : Conception et développement de dashboards Power BI interactifs, à destination des assureurs, pour suivre les chiffrages en temps réel, évaluer les coûts des sinistres et faciliter la prise de décision avec des indicateurs clairs et actualisés.

• Analyse des dépendances et catégorisation des données : Mise en œuvre de règles métiers pour classifier les types de sinistres, analyser les interdépendances entre variables, et affiner la gestion des indemnisations. Ce système a renforcé la précision des analyses et permis de mieux prioriser les dossiers à risque.

Projet N2F – Optimisation du Traitement des Notes de Frais (Alkera Groupe)

Ce projet visait à renforcer la maîtrise des dépenses professionnelles et à fiabiliser les processus de contrôle financier à travers l’exploitation des données issues de l’outil N2F.

• Structuration des données financières : Extraction, transformation et modélisation des données issues de la plateforme N2F pour assurer un suivi détaillé et fiable des dépenses professionnelles, tout en facilitant leur catégorisation par typologie de frais.

• Analyse et contrôle des coûts : Développement de dashboards interactifs pour détecter les anomalies, visualiser les tendances de dépenses par équipe, période ou nature de frais, et fournir des indicateurs de pilotage financier en temps réel.

• Automatisation et conformité : Mise en place de règles de validation automatique permettant de garantir la conformité des notes de frais avec la politique interne de l’entreprise ainsi qu’avec les exigences fiscales. Ce processus a permis de réduire significativement les erreurs comptables et d’optimiser les délais de traitement.

Projet GENBOT – Développement d’un Chatbot Interne à base d’IA Générative (Alkera Groupe)

Dans le cadre de la digitalisation des processus internes, ce projet avait pour objectif de créer un assistant conversationnel intelligent pour répondre aux besoins métiers en temps réel et automatiser l’accès à l’information.

• Conception et développement du chatbot : Création d’un chatbot interne basé sur des technologies d’IA générative (LLM), capable de comprendre les requêtes formulées en langage naturel et d’y répondre de manière pertinente, contextuelle et sécurisée.

• Entraînement sur documentation interne : Intégration et vectorisation des documents métiers (FAQ RH, procédures internes, documentation technique...) pour permettre au chatbot de fournir des réponses précises et contextualisées, en s'appuyant sur des bases internes fiables.

• Déploiement et accessibilité : Mise en place d’une interface intuitive (via Microsoft Teams ou portail web interne), facilitant l’accès à l’information 24/7 pour les collaborateurs (RH, IT, finance...).

• Optimisation continue des réponses : Implémentation d’un système de feedback utilisateurs et de réentraînement régulier du modèle, afin d’améliorer la pertinence des réponses et d’adapter le chatbot aux nouveaux besoins des équipes.