Ouvert aux opportunités · Île-de-France

Helton Dos Santos Moreira

Data Analyst · Power BI

Data Analyst, je crée des tableaux de bord, du reporting et des KPI en SQL, Power BI, Python et Excel. Venu du commerce et de la relation client, je garantis la qualité des données et j'automatise les tâches avec l'IA.

Photo de Helton Dos Santos Moreira, en blazer marine et chemise blanche

Projet IA

L'IA dans ma façon de travailler

J'utilise Claude Code au quotidien pour automatiser ce qui peut l'être. Je conçois le processus, j'écris les règles et je vérifie chaque résultat.

NOUVEAUIA AGENTIQUE · AUTOMATISATION · POSTGRESQL

CRM data et agents IA : centraliser opportunités, contacts et échanges

Contexte et enjeu

Plus de 120 entreprises et contacts à suivre, des dizaines d'opportunités par jour sur plusieurs sites, des échanges sur LinkedIn et par mail : sans outil, l'information se disperse. Ce projet prolonge un premier pipeline de collecte par API (1 135 entreprises via France Travail et INSEE Sirene).

Démarche

  • Une base PostgreSQL unique, alimentée par l'API LinkedIn, Gmail et des sites publics
  • Ce qui est prévisible en code Python planifié (GitHub Actions) : collecte, rapprochement des données, alertes
  • 9 agents IA planifiés, chacun avec un rôle, des règles écrites et un journal : l'IA seulement là où il faut comprendre du texte
  • Une application de pilotage : pipeline, carte des entreprises, recherche globale et indicateurs de la semaine
RÉSULTATS

Une vue claire chaque matin : les opportunités du jour classées par pertinence, les entreprises sur une carte et chaque échange rattaché à sa fiche. Le tout testé automatiquement à chaque modification (CI/CD).

Claude CodePythonPostgreSQLGitHub ActionsAPI REST
Voir le projet →

Projets

Des problèmes métier, des résultats mesurables

Power BI, Python, SQL et statistiques : un projet phare par compétence attendue d'un Data Analyst.

PROJET PHAREPOWER BI · KPI · REPORTING DE DIRECTION

Pilotage d'un portefeuille de 104 projets : détection des dérives et sécurité des accès

Contexte et enjeu

Un groupe international pilote 104 projets IT et Marketing dans 52 pays. Les données existent, mais aucun outil ne permet de suivre les écarts de coûts, de délais et de livrables, ni de restreindre chaque direction à son périmètre.

Démarche

  • Un tableau de bord Power BI de 9 pages, avec une alerte automatique dès 15 % d'écart sur les coûts, les délais ou les livrables
  • Une sécurité au niveau des lignes sur 3 rôles : direction générale, régionale et pays
  • 25 mesures DAX, une page de recommandations chiffrées et un guide d'utilisation intégré
Vue globale : carte des pays en alerte et indicateurs clés Budget prévu contre dépensé par pays et écart par phase Constats et recommandations pour la direction Planning des projets et retard par phase Page d'accueil et navigation du rapport
RÉSULTATS

19 des 32 projets en alerte sont concentrés dans une seule région, et une seule phase (+401,3 %) faussait la lecture du budget global. Le plan d'action proposé vise à ramener le taux d'alerte de 30,8 % à moins de 15 %.

Power BIDAXKPIRLS
Voir le projet →
PYTHON · QUALITÉ DES DONNÉES · E-COMMERCE

Audit de la qualité des données d'un catalogue e-commerce

Contexte et enjeu

Un caviste en ligne gère son stock dans un ERP et ses ventes sur WooCommerce, sans clé commune entre les deux. Avant toute analyse des ventes, il faut savoir si ces données sont fiables.

Démarche

  • Rapprochement de 3 sources (ERP, site, table de liaison) : 712 produits réconciliés
  • 9 anomalies identifiées et traitées : prix et stocks négatifs, lignes vides, références sans correspondance
  • Chiffre d'affaires, marges et valorisation du stock recalculés, puis analyse de la concentration des ventes
276 859 €de stock valorisé
9anomalies identifiées et traitées
-549 %de marge : erreur de prix détectée
0 %50 %100 % 0 %50 %100 % 419 références sur 712font 80 % du chiffre d'affaires part du chiffre d'affaires cumulé, selon la part des références
RÉSULTATS

Des données fiables pour piloter le catalogue : une erreur de prix repérée sur une référence, 61 références en stock à arbitrer entre mise en ligne et déstockage (20 982 € au prix d'achat), et les 419 références qui font 80 % du chiffre d'affaires à suivre en priorité.

PythonPandasQualité des données
Voir le projet →
SQL · DBT · QUALITÉ DES DONNÉES

Pipeline SQL sous dbt : profil des apprenants et représentativité territoriale

Contexte et enjeu

Une plateforme de formation en ligne veut connaître le profil de ses apprenants en data sur quatre ans, et le comparer à la population française pour orienter ses actions d'inclusion.

Démarche

  • Un pipeline dbt en SQL : couche de préparation, tables d'analyse, contrôle de qualité de la source au résultat
  • Un croisement avec la population INSEE sur trois clés (âge, genre, région) : taux pour 10 000 habitants
  • 26 tests automatisés, conçu sur Snowflake et reproductible en local avec DuckDB en une commande
Graphe du pipeline dbt : deux sources préparées, agrégées puis croisées avec l'INSEE

Apprenants sur 4 ans pour 10 000 habitants, par région

Île-de-France1,85
Centre-Val de Loire1,12
Bourgogne-Franche-Comté1,10
Provence-Alpes-Côte d'Azur0,89
Normandie0,88
Reste de la France0,82
RÉSULTATS

L'Île-de-France est 2,3 fois mieux représentée que le reste de la France, les femmes restent à un tiers des inscrits dont le genre est connu et 64 % ont entre 25 et 39 ans. Trois leviers recommandés : bourses et témoignages pour les femmes, relais locaux en région, présence sur les campus pour les plus jeunes.

SQLdbtSnowflakeTests
Voir le projet →
PYTHON · STATISTIQUES · PRÉVISION

Analyse d'un catalogue musical et optimisation du calendrier de sortie

Contexte et enjeu

Un distributeur musical gère 114 000 morceaux. Il doit décider quels genres soutenir et à quel moment sortir un titre pour maximiser sa présence dans les classements.

Démarche

  • Un catalogue de 114 000 morceaux nettoyé et décrit, 99,6 % des données conservées
  • Des tests statistiques adaptés à chaque question, avec la taille de l'effet
  • L'analyse de 9,8 millions de lignes de classements et une prévision Prophet à six mois, validée sur 90 jours
Présence de la Pop par jour, par mois et par année Popularité par genre Quatre recommandations pour le distributeur Profil sonore de cinq genres Étapes du nettoyage du catalogue
RÉSULTATS

Un calendrier de sortie fondé sur les données : la Pop occupe 86,7 places par jour du Top 200 en décembre contre 76,9 en septembre, et le vendredi est à éviter. Quatre leviers activables immédiatement.

PythonSciPyProphet
Voir le projet →

Autres projets

Un secteur différent, la même exigence

Chaque projet part d'une question concrète posée par une organisation.

Expérience

Les chiffres, je les utilisais déjà

Avant la data, je prenais les décisions avec des tableaux de bord. C'est ce qui m'a amené à apprendre à les construire correctement.

01/2022 · 09/2026
Indépendant

Responsable e-commerce, analyse et pilotage de la performance

  • Créé et géré 10 boutiques Shopify de A à Z, du site jusqu'au suivi des KPI de ventes dans un tableau de bord
  • Concentré chaque semaine le budget marketing (Google, Meta et TikTok Ads) sur les campagnes rentables via le ROAS et le CAC
  • Augmenté le taux de conversion et le panier moyen en menant des tests A/B suivis dans Google Analytics 4 et Shopify Analytics
  • Identifié les sources de trafic les plus rentables en analysant les parcours utilisateur
  • Amélioré le référencement naturel (SEO) en suivant les positions par mot-clé dans Google Search Console
09/2022 · 07/2024
HUBSIDE STORE, Belle Épine

Conseiller commercial, puis directeur adjoint

  • Automatisé un tableau de bord hebdomadaire sous Excel à partir d'extractions CRM (ventes, panier moyen)
  • Fixé les objectifs de 8 vendeurs en analysant leurs indicateurs de ventes par produit
  • Présenté un reporting mensuel à la direction : écarts aux objectifs, causes et recommandations
  • Coaché chaque vendeur à partir de ses KPI individuels
06/2019 · 09/2022
BRICOMAN, GROUPE ADEO

Consultant technique principal

  • Détecté des opportunités de vente croisée (cross-selling, up-selling) en analysant les données commerciales de clients B2B du BTP
  • Analysé les besoins des clients professionnels et adapté leur suivi aux cycles de chantier

Formation

Diplôme

12/2025 · 12/2026
OpenClassrooms

Bachelor Data Analyst

Bac+3, titre RNCP de niveau 6

Une année construite autour de treize missions tirées de cas d'entreprise. Chaque mission part d'un besoin métier et se termine par un livrable : tableau de bord, analyse, pipeline ou recommandation. Un mentor du métier suit chaque projet, et chacun est soutenu à l'oral devant un évaluateur, comme une restitution devant un client.

  • Collecter, nettoyer et fiabiliser des données : Python, Pandas, Power Query
  • Interroger et modéliser une base de données : SQL, dbt, Snowflake
  • Construire des tableaux de bord et suivre des indicateurs : Power BI, DAX, Excel
  • Analyser et prévoir : tests statistiques, séries temporelles
  • Présenter des recommandations à des décideurs : data storytelling, accessibilité

Certifications

Dataiku

Dataiku Core Designer et Advanced Designer

Certifications Dataiku · vérifier la Core Designer · vérifier l'Advanced Designer

Microsoft

PL-300 Power BI Data Analyst

Certification Microsoft, en cours

Compétences

Mes outils et mes méthodes

Seulement ceux que mes projets prouvent.

Visualisation

Power BIDAXPower QuerySécurité par ligneMatplotlibPlotly

Analyse

SQLPythonPandasExcelGoogle Analytics 4

Statistiques

Tests d'hypothèsesCorrélationsSARIMAProphet

Données

dbtSnowflakeDuckDBPostgreSQLGit

Méthodes

KPI et reportingQualité des donnéesModélisationData storytellingAide à la décision

IA et automatisation

Claude CodeAgents IAAPI RESTGitHub ActionsDataiku

Langues

FrançaisAnglais B2Créole cap-verdien