Diego Felices

Contexte Plateforme numérique du secteur public soutenant les politiques d’emploi et d’inclusion sociale. Rôle Contribution à la couche analytics et reporting afin de fournir des outils de suivi fiables. Contributions clés • Mise en place de pipelines ETL/ELT avec dbt et Airflow • Développement de dashboards et de reportings automatisés avec Metabase et Streamlit • Modernisation du data warehouse avec une amélioration du data model (star schema, médaillon) pour optimiser les performances analytics et faciliter l’usage par des agents IA. • Création d’un outil de reporting utilisée par plus de 1 000 établissements pour le suivi des politiques publiques.

Contexte Mission au sein d’une start-up SaaS B2B du groupe EDF développant une solution d’IA pour la gestion des non-conformités industrielles. Mission • Modélisation des bases de données clients afin d’améliorer la performance et la fiabilité de la solution Yxir. • Création de tableaux de bord pour piloter l’activité des clients • Automatisation de l’ingestion des données

Contexte: Startup SaaS B2B en forte croissance, avec un besoin de structuration complète de la couche analytics. Mon rôle: J’ai conçu et déployé l’ensemble de l’infrastructure analytics afin de fournir aux équipes une vision fiable de la performance business. Responsabilités clés: • Conception du data warehouse sur BigQuery • Mise en place de pipelines ELT automatisés (Airbyte) • Intégration et centralisation de sources de données (HubSpot, Stripe, Sequence, Google Sheets) • Modélisation de données avec dbt (marts, tests, documentation) • Définition des métriques SaaS (MRR, churn, cohortes) • Création de dashboards décisionnels (Looker Studio) Résultats: • Mise en place d’une base analytique cohérente permettant le suivi fiable des métriques SaaS • Réduction des incohérences entre indicateurs utilisés par les équipes • Base technique prête pour l’analyse avancée et le pilotage long terme

Contexte Startup SaaS dans la finance ESG, développant des produits data-driven pour l’investissement responsable. Rôle Pilotage des initiatives data couvrant l’analytics, la BI, la qualité de la donnée, le machine learning et des projets GenAI exploratoires. Contributions clés • Création de dashboards BI et d’analyses à l’aide de Metabase, SQL et Python • Structuration et fiabilisation des données pour améliorer la qualité des analyses • Développement de modèles de machine learning appliqués à des cas d’usage ESG • Mise en œuvre de solutions GenAI basées sur des LLMs pour la création automatisée de contenu • Collaboration étroite avec les équipes produit et la direction sur des initiatives data-driven

Consultant en data science – Industrie aéronautique · Application de techniques de traitement du langage naturel (NLP) et de clustering pour améliorer les processus qualité et la maintenance prédictive à partir des rapports techniques. · Optimisation logistique à l’aide de PySpark, avec création de dashboards sous Power BI pour le suivi des KPI. ALTEN LABS – Sport Science · Analyse de séries temporelles multidimensionnelles issues de capteurs embarqués (puissance, fréquence cardiaque, cadence de pédalage) sur des cyclistes de route. · Modélisation de la fatigue à l’effort à partir des données physiologiques pour anticiper les baisses de performance, dans le cadre d’un projet de recherche appliquée en sciences du sport.

· Mise en œuvre des dernières technologies en vision par ordinateur et deep learning pour le traitement et l’analyse d’images. · Segmentation d’images à l’aide de bibliothèques telles qu’OpenCV et scikit-image. · Développement de modèles de classification et de détection d’objets avec TensorFlow et Keras. · Application du transfer learning pour optimiser les performances sur des jeux de données spécifiques. · Suivi et ajustement des modèles via TensorBoard pour affiner l’entraînement et les hyperparamètres. · Automatisation de la labélisation des images pour accélérer la création de jeux de données annotés.