Franck LE MAT

Conception, développement et maintenance d’un outil complet de calcul et de diffusion d’indicateurs extra-financiers (ESG). L’objectif : centraliser, fiabiliser et automatiser la gestion des données utilisées dans le reporting et les analyses ESG. 🔹 Développement et automatisation du calcul des indicateurs ESG Mise en place d’un pipeline de traitement et de calcul des indicateurs à partir de données issues de sources multiples (API, fichiers plats). Orchestration et planification des traitements via Airflow et ETL interne (type dbt). Création et maintenance de requêtes SQL complexes pour l’agrégation, le filtrage et l’historisation des données sur BigQuery. 🔹 Organisation et architecture de l’environnement data Structuration du data warehouse BigQuery et définition des modèles de données analytiques. Développement d’outils internes de gestion de la donnée et documentation technique des flux. Accompagnement des équipes métier dans la compréhension, la visualisation et l’interprétation des données ESG. 🔹 Visualisation & diffusion des insights Création de dashboards dynamiques sous Looker Studio, connectés directement au data warehouse. Mise en place de reportings automatisés pour la diffusion d’indicateurs extra-financiers en interne et en externe. 🔹 Innovation & Data Science Réalisation de Proof of Concept (POC) pour l’intégration de Dataiku comme plateforme interne d’analyse et de modélisation des données. Analyses statistiques et inférentielles sur des thématiques financières et extra-financières (corrélations, régressions, modèles explicatifs), avec un focus sur l’exploration, la qualité et la compréhension des données dans un domaine en pleine transformation. Stack : Python • SQL • BigQuery • Airflow • Dataiku • Looker Studio • ETL • API • Pandas • NumPy Data Analyst, Data Pipeline, ESG, Finance durable, BigQuery, Airflow, Dataiku, Python, SQL, Data Visualization, Docker, Looker Studio, Reporting automatisé, Analyse statistique, Data Cleaning

Participation à la structuration, l’analyse et la valorisation de données cliniques au sein d’un laboratoire de recherche affilié à un CHU. Travail en collaboration avec des équipes de recherche, doctorants et professeurs pour transformer des données brutes en résultats exploitables et publiables. 🔹 Nettoyage et structuration des données Traitement de jeux de données volumineux issus de fichiers plats (CSV) et de bases MySQL, préparation pour analyses statistiques. Développement de scripts en R et Python pour le nettoyage, la transformation et la mise en qualité des données (data cleaning & structuring). 🔹 Analyse exploratoire et modélisation statistique Réalisation d’analyses univariées, bivariées et multivariées pour la compréhension des phénomènes observés. Conception de modèles statistiques : corrélations, ANOVA, tests de significativité, modèles linéaires mixtes, analyses inférentielles et interprétation scientifique. 🔹 Data visualisation et reporting scientifique Conception de visualisations claires et rigoureuses sous R (ggplot2, RStudio). Rédaction de rapports d’études, interprétation des résultats et participation à la rédaction d’articles scientifiques publiés. Premier auteur sur une publication et co-auteur sur plusieurs études validées par des pairs. 🔹 Collaboration & accompagnement Aide à la structuration des protocoles d’études et à la compréhension statistique des résultats pour les chercheurs. Vulgarisation des analyses complexes et communication interdisciplinaire entre les équipes scientifiques et techniques. Stack : R (RStudio, ggplot2) • Python • SQL • MySQL • Pandas • Data Cleaning • Statistical Modeling • Data Visualization Data Analyst, R, Python, SQL, MySQL, Data Analysis, Data Cleaning, Data Structuring, Statistical Modeling, ANOVA, Visualization, ggplot2, Publication scientifique, Études cliniques.