[nom]

Analytics Engineer · [e-mail]

[téléphone]

Mobilité : France entière

Expériences professionnelles

Plenitude (ex-Eni Gas & Power) • Data Analyst | Engineer • 10/2023 à 11/2025 • Alternance • Paris

Contexte : Équipe Data transverse – Modernisation SI & Migration Cloud – Environnement énergie (B2B/B2C).

Tâches réalisées :

• Recueil et cadrage des besoins métiers (Finance, Marketing, Commercial) et définition des KPI de pilotage.
• Transformation et structuration de données multi-sources (PostgreSQL, Salesforce, BW) via Azure Databricks (SQL, PySpark).
• Conception de Data Warehouse et Data Marts pour l’analyse des performances commerciales.
• Optimisation des pipelines analytiques → -35 % temps de traitement.
• Analyse de bases clients (+200k clients actifs) pour identification des facteurs de churn.
• Création des dashboards Power BI / Tableau pour le suivi des ventes, churn et performance commerciale.
• Mise en place de contrôles qualité et gouvernance des données pour fiabiliser les reportings.
• Contribution active à la migration Cloud & transformation SI (Eni → Plenitude).

Stack technique : SQL, Python (Pandas, PySpark), Spark, Azure Databricks, PostgreSQL, Power BI, Tableau, Excel, GitHub Actions (CI/CD), Salesforce, Data Warehouse, Machine Learning, GCP.

LAMHESS • Data Analyst • 04/2023 à 07/2023 • Stage • Nice

Contexte : Laboratoire de recherche en santé – Analyse de données médicales & physiologiques réelles.

Tâches réalisées :

• Analyse & préparation de données de santé (mesures physiologiques, séries temporelles).
• Nettoyage et structuration des datasets afin d’améliorer la qualité et la fiabilité des analyses.
• Modélisation statistique & exploratoire : corrélations, tendances cliniques.
• Développement de modèles prédictifs exploratoires (indicateurs territoriaux).
• Automatisation des traitements sous Python & R → réduction significative du temps d’analyse.
• Restitution claire des résultats à des profils non techniques (aide à la décision scientifique).

Stack technique : Python, R, Pandas, statistiques avancées, séries temporelles, modélisation prédictive, data cleaning, analyse exploratoire, data visualization.

UMR ESPACE (CNRS) • Data Analyst | Scientist • 03/2022 à 07/2022 • Stage • Avignon

Contexte : Laboratoire de recherche en analyse spatiale & environnementale – Exploitation de données géographiques, socio-économiques et environnementales multi-sources.

Tâches réalisées :

• Analyse & consolidation de données territoriales (sources publiques & internes).
• Data preprocessing : nettoyage, structuration & normalisation de datasets complexes.
• Analyses statistiques avancées (ACP, ANOVA, statistiques multivariées) pour identifier des tendances territoriales.
• Modélisation exploratoire pour appui à la décision scientifique & territoriale.
• Automatisation des traitements analytiques → -40 % temps d’analyse.

Stack technique : R • Python • Analyse spatiale& données territoriales • Statistiques multivariées • Data

Processing

1

Formations

ESGI Paris • Master IA et Big Data · 2023 • 2025

Projets académiques :

• Application Fit Melody : Exploitation de données biométriques réelles issues d’une montre connectée (Fitbit) pour concevoir une application capable de prédire et générer en temps réel une mélodie relaxante adaptée à l’état émotionnel de l’utilisateur, en combinant data engineering, IA générative et architecture cloud (Azure, Kafka, Spark, Docker).
• Robotique connectée– collecte des déchets : Conception d’un système multi-agents optimisant la collaboration entre opérateurs humains et robots dans des usines de traitement des déchets.
• Analyse ventes et clients– Snowflake : Conception d’un entrepôt de données pour l’analyse des ventes, des clients et de la performance commerciale (modélisation, requêtage analytique).
• Analyse du marché immobilier (DVF, INSEE, données cadastrales) : Exploitation et croisement de données foncières pour analyser les prix au m², dynamiques territoriales et indicateurs de valorisation sous Python & SQL.
• Audit des données : Cartographie des flux, définition de règles de qualité des données et documentation des contrôles

Université Côte d’Azur • Licence MIASHS / MASS · 2022 • 2023

IUT d’Avignon • DUT Statistique et Informatique Décisionnelle · 2020 • 2022

Certifications

Databricks Certified Data Engineer Associate · 07/2025

Google Cloud Machine Learning Engineer · 07/2025

Vertex AI & Generative AI (Gemini) · 12/2025

Introduction à Docker · 12/2025

Learning AI Through Visualization · 11/2025

Compétences

SOFT-SKILLS : Proactivité, travail en équipe, autonomie , Esprit d'analyse, communication, adaptabilité

OUTILS : CI/CD, Databricks Workflows, Airflow, Power BI, Tableau, Looker, Kibana, Terraform, Kubernetes, Docker, Kafka, Dataiku, Talend, Jenkins, GitLab CI, GitHub Actions, Git, MongoDB, Power Automate, AWS, Azure, Confluence, Agile/Scrum, Jira, PostgreSQL, SQL Server, Snowflake, Spark

LANGAGES DE DEVELOPPEMENT : Python (Pandas, PySpark, Sklearn, TensorFlow, PyTorch), SQL, R

MACHINE LEARNING : Modèles prédictifs, analyse comportementale, détection d’anomalies, MLOps

GOUVERNANCE DES DONNÉES : Qualité des données, traçabilité, sécurité, conformité RGPD

LANGUES : Anglais (Courant), Français (Bilingue)

2