Brice Blanchard

- Etudes statistiques Ad Hoc : • Etude du comportement utilisateur en fonction des mois de l’année, de la zone de France : tendance de recherches saisonnière ou de fond… Sur les données historiques. En décomposant les différentes séries temporelles des activités recherchées sur Pages Jaunes - Mise en place d’un outil de détection d’anomalie sur les datamart : • Pour identifier des chiffres anormaux sur les différents KPI (robots…). o Algorithme Python déployé sur Cloud Function et Cloud Scheduler dans GCP pour détecter et informer les analystes et product owner via mail de potentielles problèmes dans les données. - Construction de Dashboards de pilotages des KPI avec Microstrategy : • Dashboard de suivi des différents KPI à différentes localités (région, département, villes) à l’attention des équipes de direction et commerciales. • Dashboard de suivi du parc produit pour piloter les évolutions court et long terme des différentes gammes de produits Solocal et les éventuelles fins de souscription. - Environnement Google Cloud, Python, SAS

Dans le cadre du développement d'un compteur d'eau ultrasonique: - Collecte, retraitement des mesures d'ultrasons afin d'obtenir des données exploitables. ( gestion des bulles d'airs...) - Recherche de l'architecture optimale du compteur pour maximiser la précision entre volume d'eau mesuré et volume d'eau réel. (AB Testing avec différentes architectures de compteurs, à différentes températures, avec un écoulement fluidique perturbé ou non...) - Mise en place d'algorithmes de calibration (Random Forest, Xgboost) des compteurs par méthode d'apprentissage automatique. - Industrialisation du process d'analyse et de calibration des compteurs. - Études statistiques ad hoc. (Analyse statistique pour choisir les meilleures pièces pour le compteur. Ex: transducteurs) - Programmation en Python. (Pandas, Numpy, Plotly, Scikit-learn...)

- Analyse d’affinités (règles d'associations) : utilisation des algorithmes apriori, éclat, OneR pour détecter les produits fréquemment achetés ensemble. Études réalisées sous R. - Prévisions de ventes: création d'un algorithme permettant de prévoir les ventes de produits par jour en fonction de différents paramètres (saisonnalité, concurrence, prix...). Utilisation de divers techniques statistiques (régression linéaire, xgboost, gam...). - Détection d'anomalies des taux de complétions des produits sur le site de E-commerce de Norauto