A développé et déployé de manière autonome une chaîne de reporting financier automatisée de bout en bout sous Google Apps Script, conçue pour extraire, traiter et générer des rapports à partir de données financières en temps réel.

A standardisé la logique et la structure des rapports avec l’équipe de management globale, garantissant des rapports cohérents, traçables et automatisés pour les prévisions hebdomadaires, mensuelles, trimestrielles, MTP et budgétaires, incluant l’envoi automatique de résumés par e-mail aux parties prenantes.

A économisé plus de 270 heures de rédaction manuelle de rapports par an pour le département controlling financier, améliorant la transparence, la scalabilité et la fiabilité des données.

Fournir un support informatique professionnel et des services techniques aux utilisateurs finaux, garantissant le bon fonctionnement quotidien des environnements matériels, logiciels et réseau.

Principales responsabilités :

Assurer le support informatique des postes de travail et des postes de travail, y compris l'installation, la configuration et le dépannage du matériel, des logiciels et des périphériques.
Résoudre efficacement les incidents techniques, en minimisant les temps d'arrêt pour les utilisateurs et les clients.
Maintenir et mettre à jour les systèmes d'exploitation, les correctifs de sécurité et les applications.
Collaborer avec les responsables de la prestation de services et les équipes clients.

Nous fournissons un support informatique de niveau 1 à 3 de bout en bout aux principaux clients mondiaux (Microsoft, Meta, JP Morgan, ANZ Bank) et aux infrastructures critiques gérées dans des centres de données tels qu'Equinix, HCL et ETIX, en prenant en charge plus de 20 partenaires tiers pour garantir des opérations ininterrompues sur site et à distance.

Amélioration de la fiabilité du système en réduisant les temps d'arrêt du serveur à moins de 3 minutes par incident grâce à une surveillance prédictive et à un dépannage rapide, en collaborant avec des équipes d'ingénierie mondiales sur 5 continents pour améliorer l'efficacité de résolution de 30 %.

Données traitées et annotées pour les systèmes d'IA et d'apprentissage automatique avec une précision allant jusqu'à 95 %, spécialisées dans l'annotation d'images géospatiales, l'annotation de capteurs 3D et les systèmes autonomes pour plus de 70 clients, dont FestiVote, Pathr.ai, Geckomatics et Azavea.

Ce projet prédit la probabilité d'apparition du diabète chez les femmes grâce à des techniques d'apprentissage automatique. Il s'appuie sur un ensemble de données collectées auprès du Centre médical municipal de Taipei (2018-2022). Cet ensemble de données comprend des indicateurs de santé clés tels que le nombre de grossesses, la glycémie, l'insulinémie, l'IMC, l'âge, l'épaisseur du triceps, la pression artérielle et les antécédents familiaux de diabète.

Ce projet illustre un pipeline ETL complet, depuis les fichiers CSV bruts jusqu'à un tableau de bord Power BI interactif fournissant des informations sur les données traitées d'un centre d'appels.

⚙️ Outils utilisés

SQL Server Integration Services (SSIS) – pour le flux de travail ETL (Extraction, Transformation, Chargement)

SQL Server Management Studio (SSMS) – pour la conception de la base de données et les requêtes

Power BI – pour la visualisation et le reporting des indicateurs clés de performance (KPI)

🧱 Architecture

Le projet repose sur une architecture d'entrepôt de données à trois niveaux :

Zone de transit (STA) – Importation des fichiers CSV bruts dans des tables SQL

Magasin de données opérationnelles (ODS) – Nettoyage, déduplication et transformation des données

Entrepôt de données (DWH) – Schéma en étoile (tables de faits et de dimensions) optimisé pour l'analyse

📊 Principaux indicateurs du tableau de bord

Conformité aux SLA : 88,07 %

Taux d'abandon d'appel : 0,34 %
Évolution des performances et suivi des KPI d'une année sur l'autre

Ce dépôt contient mon projet final du cours d'analyse de données IDM, où j'ai appris à : utiliser yfinance pour extraire des données boursières ; extraire les données de revenus de Tesla et de GME par webscraping ; tracer les graphiques boursiers de Tesla et de GameStop.