Maodo Fall

Contexte : Analyse de la durabilité de plusieurs dizaines de millions de verres ophtalmiques dans un environnement Big Data avec Databricks. Missions principales : • Préparation des données : extraction, structuration, contrôle qualité, nettoyage et fiabilisation de données massives avec PySpark et SQL. • Construction de KPI : calcul d’indicateurs de suivi de la durabilité (taux de retour, distribution des défaillances, évolution temporelle). • Analyse exploratoire : analyse des comportements et performances par gamme de produits, configuration, usine et zone géographique. • Analyses statistiques : modèles de survie pour étudier la longévité des produits et identifier les facteurs associés aux défaillances. • Data visualisation et reporting : production de reportings et tableaux de bord interactifs à destination des équipes métier. • Collaboration métier : recueil des besoins, échanges avec les experts et validation des résultats. Environnement technique : Databricks, PySpark, SQL, Python, Streamlit.

Contexte : Automatisation de l’évaluation carbone des produits échangés sur une marketplace. Missions principales : • Analyse exploratoire et préparation de données textuelles issues des descriptions de produits. • Nettoyage, transformation et enrichissement des données afin de constituer des jeux de données exploitables. • Développement d’une classification automatique des produits à partir de méthodes de traitement du langage naturel. • Enrichissement des données via web scraping et intégration de nouvelles sources d’information. • Analyse des résultats et formulation de recommandations pour améliorer la qualité de l’évaluation carbone. • Restitution des résultats sous forme de synthèses et de visualisations à destination des équipes projet. Environnement technique : Python, SQL, Pandas, Scikit-learn, Matplotlib, NLTK, BeautifulSoup, Git.