Data analyst junior. Je travaille sur des données qu'on n'a pas nettoyées avant moi.
Reconversion — Jedha (Data Essentials), Le Wagon (titre RNCP niveau 6, Concepteur développeur en IA et analyse Big Data). Objectif à trois ans : Analytics Engineer.
PGA Performance — quel profil gagne, et dans quelles conditions ?
19 saisons du PGA Tour, 720 tournois, 80 973 participations, 11 sources hétérogènes.
Construction d'une métrique de performance relative au plateau, standardisation intra-saison, pipeline BigQuery en trois couches. Dix défauts de données identifiés et documentés, dont une inversion de signe qui classait le meilleur putteur de la saison au dernier rang.
Résultat principal : il n'existe pas un profil unique de vainqueur. Les avantages au drive, au fer et au putting sont peu corrélés entre eux, et seule la puissance voit son importance dépendre du terrain.
BigQuery SQL Python Looker Studio
Football Analytics — les notes suivent-elles la performance, ou l'inversent-elles ?
11 championnats européens, 2008–2016, base Kaggle en SQLite.
Chaîne de transformation en 25 tables sous DuckDB. Question posée : les studios de jeu vidéo anticipent-ils la performance des joueurs, ou y réagissent-ils ?
Résultat : la réaction corrèle cinq fois plus que l'anticipation chez les moins de 23 ans, et les deux convergent après 32 ans.
DuckDB SQL Python HTML/CSS
Fashion Retail — le chiffre d'affaires était faux d'un facteur 17,6
Un fichier annonçait 7 585 581 USD de chiffre d'affaires. Le vrai était 430 952.
La cause : deux colonnes d'agrégat client recopiées sur chaque ligne de transaction. En sommant, chaque client était compté 16,6 fois — le nombre moyen d'achats par client.
Le diagnostic est réutilisable : quand un total paraît trop grand, comparez-le au total de référence. Si le rapport ressemble au nombre moyen de lignes par entité, c'est une erreur de grain.
dbt DuckDB SQL matplotlib
Modélisation SQL et dbt. Qualité de données pendant une migration d'entrepôt.
- Data & Analytics: SQL, Python, BigQuery, Pandas, Power BI / Tableau
- AI & Automation: Prompt Engineering (Gemini, Claude), Make.com, Supabase
- Web & Product: React 19, Next.js, Firebase, Stripe, Vercel
- Growth: Local SEO, Digital Transformation, ROI Optimization
1. Velocia (Devisio) — AI-Powered Invoicing SaaS
An end-to-end SaaS application that converts voice memos or photos into formatted invoices, handles PDF generation, and processes payments.
- Stack: React 19, Firebase, Google Gemini, Stripe, Resend.
- Impact: Fully automated the invoicing workflow (Creation → PDF → Email → Payment).
2. Auto-École Mortier — Digital Transformation & Growth
Full digital overhaul for a local Parisian driving school, moving from zero online presence to a fully optimized lead-generation machine.
-
Stack: Next.js, Vercel, GMB (Local SEO), Analytics.
-
Impact: Generated [+20%] increase in qualified leads and secured top local SEO rankings in [5] months.
- IRAM International — site B2B avec configurateur de devis
- Replai — automatisation marketing Meta
- Auto école Mortier - Site auto école du 20ème
- Advanced SQL (Window functions, CTEs) and Data Modeling via Le Wagon Data Analytics Bootcamp.
- Building scalable pipelines with
dbt.
LinkedIn · soujunior94@gmail.com 🌍 Based in: Paris, France | Open to remote & international opportunities
