Cédric LE TUTOUR

DATA ANALYST

Attiré par les arts plastiques, notamment la peinture et le dessin, je me suis formé aux arts graphiques durant mes études, ce qui m'a conduit à pratiquer la photographie de manière instinctive. En maîtrisant les techniques de composition et de colorisation d'image, je suis devenu graphiste de façon naturelle.

Après quelques années de pratique en tant que graphiste, j'ai ressenti le besoin de relever de nouveaux défis. J'ai donc entamé une transition vers le management, où j'ai pu combiner mes compétences créatives et mes capacités de communication, tout en développant une expertise en gestion d'équipes et en supervision de projets.

Lors de ma dernière expérience professionnelle dans une entreprise de transport locale, j'ai développé un tableau de bord pour le suivi en temps réel des consommations de carburant des véhicules. L'objectif était d'optimiser les coûts en analysant la consommation en fonction des trajets quotidiens. Grâce à cette analyse, j'ai pu mettre en place une stratégie de formation des chauffeurs à l'éco-conduite, accompagnée d'un suivi régulier, ce qui a permis de réaliser des économies de carburant, de réduire le stress des conducteurs et de diminuer le nombre d'accidents.

L'extraction des données s'effectuait quotidiennement via la plateforme Michelin Connected Fleet, et les fichiers CSV étaient stockés dans le cloud. Grâce à Microsoft Power Automate, j'ai automatisé l'intégration des données dans un fichier Excel, où je les ai traitées pour corriger les valeurs aberrantes et combler les données manquantes. Ensuite, j'ai connecté ces données à un tableau de bord Power BI via SharePoint, ce qui m'a permis de visualiser et d'analyser les résultats.

Ce projet a été une révélation pour moi, me faisant découvrir le monde de la data. Il a marqué un tournant dans ma carrière, éveillant en moi l'envie de développer davantage mes compétences dans ce domaine.

En pleine reconversion professionnelle vers le métier de Data Analyst, je suis animé par le désir de perfectionner mes compétences et d’apprendre de nouvelles technologies. Fort de 2 ans d'expérience en autodidacte dans l'analyse des données et de 20 ans en management, j'ai acquis des compétences précieuses pour travailler en équipe et en entreprise. Ma curiosité me pousse à explorer de nouveaux horizons et à trouver des solutions innovantes dans chacune de mes aventures. Ma passion pour l'analyse des données fait de moi une personne motivée, prête à contribuer activement à la réussite de projets.

“Je ne crois pas au génie, seulement au dur travail."

MICHEL PETRUCCIANI - (Pianiste Français)

“A l'origine de toute connaissance, nous rencontrons la curiosité !
Elle est une condition essentielle du progrès.”

ALEXANDRA DAVID-Néel - (exploratrice, écrivaine Française)

MES PROJETS

eaux

Data Visualisation

Analyse sur la qualité des eaux de surface en France en 2023.

ToysModels

Data Visualisation

Analyse des ventes des modèles réduits

Asian food

Étude de Marché

Une étude de marché sur les fast-foods de cuisine asiatique et la répartition des coûts des matières premières.

vins

Étude de Marché

Analyse approfondie du cépage Pinot Noir et son potentiel sur le marché américain.

Recommandation de film

Machine Learning

Système de Recommandation de Films.

SuperStore

Data Visualisation

Étude appronfondie du marché de matériel de bureautique.

Méthodologie

Connaissance métiers :

Au-delà de la maîtrise technique des outils et des langages de programmation, la curiosité est une qualité essentielle pour un data analyst. Chaque métier dispose d’indicateurs clés spécifiques et de besoins uniques. Comprendre ces aspects est indispensable pour formuler des analyses à la fois pertinentes, utiles et adaptées au secteur cible.
Ainsi, l'identification des métriques significatives devient cruciale. Différents domaines exigent en effet des types de données et d’analyses variés : par exemple, les services financiers se concentrent sur les indicateurs de performance financière, tandis que les équipes commerciales se focalisent sur les tendances de vente. Une telle connaissance des besoins spécifiques permet d’éviter la présentation de métriques non pertinentes.
De plus, comprendre le métier facilite la communication des résultats. En intégrant le vocabulaire et les termes techniques spécifiques à chaque secteur, le data analyst peut s'assurer que les insights produits seront bien interprétés et compris par les parties prenantes.
Enfin, cette compréhension du métier cible permet d’anticiper les contraintes et d’orienter l’analyse dans la bonne direction, en proposant des solutions sur mesure.

Qualité des données :

Avant de plonger dans l’analyse de données, de créer des dashboards ou de prendre des décisions stratégiques, il est essentiel de s’assurer de la qualité des données disponibles. Négliger cette étape peut entraîner des décisions basées sur des informations erronées et conduire à des stratégies fondées sur des données inexactes, un peu comme construire un immeuble sur des fondations instables.
Pour garantir la fiabilité des données, il est indispensable de vérifier leur cohérence et leur format. Par exemple, s’assurer que toutes les dates suivent le même format, que les nombres et les textes sont uniformes, et que les numéros de téléphone respectent le format international, si nécessaire. De même, il faut veiller à l’uniformité des réponses pour éviter des variations comme "Oui", "OUI" et "oui", ou encore "Non" et "NON".
À ce stade intervient l’Exploratory Data Analysis (EDA), qui comprend plusieurs étapes clés. Il s’agit d’abord d’identifier les valeurs manquantes, de calculer leur pourcentage, puis de décider si elles doivent être imputées, supprimées ou ignorées. Il est également important de détecter et supprimer les doublons pour éviter les biais dans l’analyse. Enfin, l’utilisation de méthodes statistiques, telles que l’écart-type ou l'IQR (Interquartile Range), permet d’identifier des valeurs qui s’éloignent fortement des tendances générales. Ces valeurs atypiques, appelées outliers, peuvent révéler des anomalies potentielles ou des erreurs de saisie, mais elles ne sont pas nécessairement incorrectes. En effet, certains outliers représentent des phénomènes réels ou des cas exceptionnels et doivent donc être interprétés avec soin. Il est essentiel d'analyser chaque outlier en contexte pour déterminer s'il doit être conservé, ajusté ou exclu de l'analyse, afin de garantir une interprétation fidèle des données.
Enfin, l’exactitude des données doit être vérifiée en collaboration avec les experts métiers, afin de confirmer que les valeurs sont réalistes et correspondent aux attentes.

Choix des indicateurs clés (KPI) :

Définir les objectifs ou les besoins cibles en collaboration avec les parties prenantes (comme l'augmentation des ventes, la réduction des coûts ou l'amélioration de la satisfaction client) est une étape essentielle. Cette démarche garantit que les indicateurs choisis sont alignés avec les priorités stratégiques de l’organisation. Ensuite, il est pertinent d'utiliser les informations issues de l'Exploratory Data Analysis (EDA) pour identifier les variables les plus influentes ; par exemple, la fréquence d'achat peut avoir un impact significatif sur les ventes. Cette analyse permet ainsi de cibler les variables pertinentes à surveiller. Il est également conseillé de ne pas sélectionner trop d'indicateurs, afin d'éviter un suivi excessivement complexe. L’idéal est de choisir les KPIs qui apportent une réelle valeur ajoutée pour l'analyse et la prise de décision.

Choix des Outils et Automatisation

La Maîtrise Technique :

La maîtrise des outils de data visualization, tels que Power BI, Tableau ou encore Looker, est essentielle pour concevoir des dashboards qui répondent aux besoins des parties prenantes. Ces outils offrent une multitude de fonctionnalités qui permettent de visualiser les données sous divers formats (graphiques, tableaux, cartes), facilitant ainsi l'interprétation des résultats. En outre, la compréhension des langages de programmation comme SQL et Python permet d'effectuer des requêtes complexes et d'automatiser les processus de collecte et de traitement des données. Cela réduit les risques d'erreurs humaines et optimise le temps consacré à l'analyse.

Le Choix des Outils :

Le choix des outils appropriés est également crucial. En fonction des besoins spécifiques de l'organisation et des types de données à analyser, certains outils peuvent s'avérer plus adaptés que d'autres. Par exemple, Power BI se distingue par son intégration fluide avec les services Azure, tandis que Tableau est souvent privilégié pour ses capacités de visualisation avancées. Une évaluation minutieuse des fonctionnalités de chaque outil permet de sélectionner celui qui correspond le mieux aux objectifs stratégiques et opérationnels de l’entreprise.

Automatisation des Dashboards :

L’automatisation des dashboards est une autre étape essentielle pour garantir la mise à jour continue des données en temps réel. Cela permet aux utilisateurs d’accéder aux informations les plus récentes sans intervention manuelle. Des outils comme Microsoft Power Automate ou Apache Airflow peuvent être intégrés pour automatiser le processus de collecte et de mise à jour des données. Cette automatisation réduit la charge de travail et permet aux data analysts de se concentrer sur des tâches à plus forte valeur ajoutée, comme l’analyse approfondie des données et la formulation de recommandations stratégiques.

Conclusion

Le Storytelling :

En somme, le savoir-faire et le savoir-être sont des atouts essentiels pour assurer le succès d'un projet data. Ils permettent non seulement de créer des visualisations claires et impactantes, mais également de garantir une communication efficace avec les parties prenantes. Un storytelling bien structuré améliore l'efficacité opérationnelle et facilite des décisions éclairées au sein de l'organisation. Dans un monde de plus en plus axé sur les données, les data analysts jouent un rôle clé en traduisant des données complexes en insights exploitables, rendant ces informations compréhensibles même pour un public non expert. le storytelling en data analyse est une compétence puissante. il permet de transformer les chiffres en actions et de faciliter la prise de décision grâce à des insights compréhensibles et engageants.

MES LECTURES

Lecture : Développement des Compétences

The One Thing

Passez à l'essentiel

“The ONE Thing, la méthode des pros” est un livre décrit une méthode aidant à se concentrer sur l’essentiel pour plus d'efficacité. Il propose de réduire les distractions comme les e-mails, les réunions, et le stress, pour augmenter la productivité et la satisfaction au travail.

SQL Server - Analysis Services

Outils analytique et restitutions des données sur Power Bi et Azure.

Ce livre s'adresse aux informaticiens souhaitant effectuer des calculs complexes avec SSAS et Power BI. explique comment utiliser ces oIlutils pour l'analyse de données via Excel, Power BI, et Azure Analysis Services. Des exercices corrigés et une seconde étude de cas sont inclus.

Data Science avec Python

Pour les nuls

Les méthodes qui s'adaptent aux big data sont particulièrement intéressantes dans la science des données.Ce livre est destiné à tous ceux qui travaillent dans le domaine de l'analyse de données et montre comment mettre en oeuvre le langage Python pour ce domaine et aussi celui de la statistique. Il traite également de Google Colab, un outil qui permet d'écire du code Python dans le cloud.

Python Tout-En-Un

Pour les nuls

Après avoir étudié les éléments et la structure de base du langage Python les auteurs vous proposeront d'expérimenté la programmation de haut niveau avec Python en découvrant entre autres : Utiliser Python dans le développement d'applications d'intelligence artificielle à base de machine learning Python et le pilotage des robots Programmer des composants matériel avec Python Python et l'analyse de données

Python - 4ème éditions

Apprendre à programmer avec python

Vous n'y connaissez rien en programmation et vous souhaitez apprendre un langage clair et intuitif ? Python est fait pour vous ! Vous découvrirez dans ce livre, conçu pour les débutants, tout ce dont vous avez besoin pour programmer, des bases à la bibliothèque standard, en passant par la programmation orientée objet et l'acquisition d'outils avancés ou professionnels pour devenir plus efficace. La 4e édition de cet ouvrage est enrichie.

L'intelligence artificielle en pratique avec Python

Recherche, optimisation et apprentissage

Ce livre pédagogique vise à clarifier les mécanismes algorithmiques clés de l'IA, souvent confondus par les débutants, tels que la recherche, l'optimisation et l'apprentissage. L'auteur, fort de plus de 30 ans d'enseignement, illustre ces concepts à travers des exemples concrets comme les jeux ou la reconnaissance d'images, en s'appuyant sur le langage Python. La troisième édition propose des cas pratiques supplémentaires et une mise à jour des contenus pour mieux maîtriser l'intelligence artificielle.

Au Coeur Des Algorithmes

les bases de la programmations avec python

Ce livre est une introduction accessible aux algorithmes utilisant Python, couvrant à la fois des algorithmes classiques et avancés comme ceux en machine learning et intelligence artificielle. Il explore des applications historiques et modernes des algorithmes, allant de la multiplication à la génération de carrés magiques, en passant par des outils pour résoudre des problèmes pratiques. Les lecteurs apprendront à mesurer l'efficacité des algorithmes, les optimiser et les appliquer à diverses tâches comme la création de chatbots, la résolution de puzzles et la planification de tâches.

NO-CODE

Une nouvelle génération d'outils numériques

L'ouvrage explore l'essor du no-code, qui démocratise la création logicielle en permettant à des non-programmeurs de concevoir des sites, applications et systèmes automatisés, une tendance renforcée par l'émergence des IA génératives. La deuxième édition propose des études de cas, une définition des outils no-code, une exploration des communautés et un guide pratique pour améliorer la productivité. Destiné à divers professionnels du numérique et aux entrepreneurs, ce livre offre des conseils pour bien débuter et optimiser l'utilisation des outils no-code.

Javascript

Vue.js côté client et Node.js/MongoDB côté serveur

Ce livre est essentiel pour développer des applications web avec JavaScript, qui connaît un renouveau grâce à des bibliothèques comme Vue.js et des environnements comme Node.js. Il propose un aperçu complet des capacités de JavaScript tant côté client que serveur, avec des exemples de code illustrés par des résultats d'exécution. Destiné aux étudiants, développeurs et autodidactes passionnés de programmation, cet ouvrage facilite l'apprentissage de JavaScript.