Yassine Achouche

• Consultant chez une entreprise du retail à Lille : -Pilotage et industrialisation de projets stratégiques autour de la fidélité client, du marketing et du suivi des opérations commerciales. -Cadrage et analyse des besoins métiers, définition des règles de gestion et conception des modèles de données adaptés. -Développement et optimisation de rapports Power BI répondant aux besoins des équipes métiers. -Organisation et suivi des phases de recette jusqu’à la mise en production, puis maintien en conditions opérationnelles et amélioration continue des performances. • Consultant chez une entreprise de mode de luxe française sur Paris, dans le cadre d’un projet visant à fournir une segmentation des visites basées sur les données de navigation du site e-commerce, afin d'identifier des types de comportements clients. Je suis intervenu sur les différentes étapes du projet : -Création des pipelines de préparation des données web Google Analytics sur Dataiku -Analyse statistique qualitative et quantitative des données -Création, comparaison et proposition de modèles ML non supervisés de clustering (e.g. KMeans, DBSCAN) afin d'identifier des groupes de comportements utilisateurs -Analyse statistique des clusters identifiés afin de déterminer des règles métiers permettant d'interpréter et de segmenter les clusters -Mise en production des règles de segmentation identifiées sur GCP

• Audit et mise en place de règles de gestion des données L'objectif était d'améliorer la fiabilité des données et uniformiser les usages Data • Analyse de données - Extraction d'informations - Réalisation d'analyses adhoc en réponse à des problématiques métier • Mise à jour et création d'outils de reporting via Power BI, notamment un dashboard pour suivre et analyser les prix sur la période estivale - Définition du périmètre du dashboard - Conception de la maquette - Identification et création des indicateurs pertinents - Gestion du processus d'exécution du traitement Data & publication aux utilisateurs

A partir d'une base de données patients et en utilisant le deep learning, nous devions déterminer si les patients étaient atteints d'une infection pulmonaire. Python, Machine learning (CNN,RNN)

Réalisation d’un projet social visant à aider les personnes âgées atteintes de la maladie d’Alzheimer dans les maisons de retraite.