Mohamed BELHADJ

Dans le cadre d’une mission stratégique pour la SNCF, je suis intervenu sur une problématique clé : la segmentation avancée des voyageurs en vue de renforcer la fidélisation, dans un contexte d’ouverture accrue à la concurrence sur le marché ferroviaire européen à l’horizon 2030. L’enjeu pour le client était double : Mieux comprendre la diversité de sa base clients, Activer des leviers concrets de rétention et de valeur face à des acteurs de plus en plus agressifs. Approche & valeur apportée J’ai conçu et déployé une segmentation 100 % data-driven, allant au-delà des segmentations marketing classiques, en croisant des dimensions à la fois comportementales, financières et de risque : Fréquence et régularité des voyages Habitudes de consommation (types de trajets, canaux, temporalité) Chiffre d’affaires et rentabilité par client Indicateurs de fragilité / sensibilité à la concurrence Potentiel de fidélisation et de montée en gamme Cette approche a permis d’identifier des segments à fort enjeu business, mais aussi des populations à risque de churn, jusque-là peu visibles. Mise en œuvre opérationnelle La mission a couvert l’ensemble de la chaîne de valeur data : Exploration, préparation et modélisation des données via SQL, Python et Dataiku Construction de segmentations actionnables et robustes statistiquement Datavisualisation et dashboards décisionnels sous Power BI Synthèse stratégique et recommandations business formalisées dans des supports PowerPoint à destination du top management J’ai également présenté les résultats et recommandations lors de plusieurs comités de pilotage (COPIL), en adaptant le discours à des interlocuteurs métiers, data et décisionnaires. Résultats clés Une vision client unifiée et exploitable Des segments directement activables pour les équipes marketing, CRM et stratégie Une aide concrète à la décision dans un contexte de transformation et de concurrence européenne

Responsible for monitoring and analyzing sensitive credit portfolios, ensuring compliance with internal policies and U.S. regulatory standards. Designed and deployed a Power BI dashboard for the Financial Institutions portfolio, enabling non-technical teams to make data-driven decisions. Automated key processes using Python scripts, streamlining workflows and reducing manual errors. Conducted in-depth analyses with SQL Server and Excel, producing accurate reports for monthly and quarterly regulatory submissions. Collaborated with cross-functional teams to translate complex data insights into actionable business strategies, enhancing risk management efficiency.

Modeled gamer behaviors by analyzing social media data (e.g., Reddit) and applied Natural Language Processing (NLP) algorithms to identify patterns in audience interests. Conducted market clustering and profiling to create actionable market maps, supporting business strategies. Managed data workflows using Dataiku, ensuring efficient processing and analysis. Partnered with marketing and development teams to align insights with key business objectives.

Developed a national observation system and implemented SQL-based relational databases within Zoho CRM. Built machine learning models to identify new customer segments, driving growth opportunities. Reorganized and simplified data domains to enhance accuracy and efficiency in analysis. Created user-friendly dashboards and reports, enabling key stakeholders to make informed decisions.

Dans le cadre de mon DUT, j'ai réalisé un stage de 4 mois à l'Observatoire Français de Drogues et Toxicomanies en tant que Data Analyst. Ma mission principale fut de participer à l'étude statistique concernant le paquet neutre introduit en France courant 2016 à l’aide de différents outils de traitement de données.