Dolores Valide

Data Scientist & Analytics Engineer | Spécialiste dbt, Python & Power BI

J’aide les entreprises à structurer leurs architectures de données et à automatiser leurs pipelines (dbt, Python, BigQuery) pour déployer des dashboards décisionnels de pointe.

J’effectue des audits de données précis, conçois des dashboards interactifs et automatise les flux pour fournir des insights clairs et actionnables, qui aident à la prise de décision et à l’amélioration des performances.
Chaque mission est pour moi l’occasion d’apprendre, de comprendre le métier de mes clients et de créer des solutions sur-mesure, concrètes et impactantes.

Contactez-moi pour vos projets data

Stop au temps perdu !

Chaque mois, des heures sont gaspillées à recopier des chiffres dans Excel ou à préparer manuellement des rapports.
👉 Ce temps pourrait être économisé grâce à l’audit de vos données et la mise en place de pipelines et dashboards automatisés.

Demander un audit de vos données (2–4 jours)

English Version

Ce que je peux vous apporter

✅ Audit de vos données et identification des points de friction

Le service logistique d’une entreprise passait en moyenne 3 heures chaque semaine à consolider manuellement les livraisons et les stocks provenant de trois systèmes différents. En 3 jours, j’ai réalisé un audit complet des sources de données : identification des doublons, incohérences et lacunes, et proposition d’un plan précis de centralisation et d’automatisation des rapports. Ce plan a ensuite servi à créer un dashboard et un processus centralisé, réduisant le temps de production des rapports de plusieurs heures par semaine, soit un gain de temps de 50%.
Pour un site e-commerce, les données clients étaient dispersées entre plusieurs fichiers et bases, avec des doublons et des incohérences. J’ai réalisé un audit complet pour identifier les sources de problèmes et proposer un plan de nettoyage et de structuration des données. Suite à la mise en place de ce plan, les données étaient centralisées et prêtes pour l’analyse, permettant de segmenter efficacement la clientèle et d’améliorer la pertinence des insights pour les campagnes marketing.

✅ Visualisation et reporting clairs pour vos KPIs

Pour un client télécom, j’ai mis en place un dashboard Power BI regroupant les ventes par région, produit et période. Résultat : la direction pouvait visualiser les KPIs clés en un coup d’œil et prendre des décisions plus rapides.

✅ Analytics Engineering & Automatisation des flux de données

Une société de recouvrement perdait du temps à générer ses rapports hebdomadaires. J’ai automatisé l’extraction et la consolidation des données, réduisant la tâche de plusieurs heures à quelques minutes.

✅ Analyse d’insights et recommandations concrètes

✅ Méthodologie sur-mesure et approche centrée métier

Compétences générales

Analyse de données et modélisation
Analytics Engineering & Modélisation dimensionnelle (dbt)
Visualisation & vulgarisation des insights
Résolution de problèmes et esprit critique
Méthodes agiles et travail collaboratif

Compétences techniques

Publications

Medium : Data Science vs. Trading Algorithmique : Un Duel de Titans Technologiques

Medium : 5 Structures de Données Essentielles pour les Data Scientists et Data Engineers

Projets

D-LAB S.L. — Modélisation & Efficacité Énergétique

Contexte : Co-fondation d’une entreprise d’ingénierie et de conseil en données basée aux Îles Canaries (cadre fiscal ZEC). Notre cœur de métier est le développement de solutions de Data Science et de modèles prédictifs appliqués à la transition énergétique et à l’aide aux économies d’énergies pour le secteur tertiaire et touristique.
Compétences : R&D, Modélisation prédictive, Python, Gestion de projet, Architecture Cloud.
Résultats :
- Conception d’algorithmes prédictifs pour l’optimisation et la réduction de consommation de fluides et consommables.
- Soumission et validation du dossier d’agrément ZEC pour opérer sur la zone franche des Canaries.

Pipeline d’ingestion de données financières temps réel et automatisation (Python)

Contexte : Conception et déploiement d’une architecture logicielle Python automatisée pour la récupération et le traitement de flux de données à haute fréquence. En écho direct avec mes travaux de recherche publiés sur Medium, l’objectif était d’interfacer des flux asynchrones pour exécuter des scripts décisionnels en continu avec une latence minimale.
Compétences : Python, Programmation asynchrone (asyncio/WebSockets), Intégration d’API REST, Gestion des exceptions & Logging.
Actions réalisées :
- Développement de scripts Python autonomes configurés pour écouter des flux de données en direct via WebSockets.
- Structuration et normalisation des objets JSON reçus en temps réel pour alimenter un algorithme décisionnel local.
- Sécurisation des flux transactionnels sortants (appels API REST sécurisés) avec une gestion stricte des erreurs pour éviter les interruptions d’exécution.
Résultat :
- Automatisation complète du cycle d’ingestion et d’action sans intervention humaine.
- Pipeline robuste capable de tourner 24h/24, 7j/7 avec un système de logs et d’alertes automatisé en cas de déconnexion réseau.

Audit et création d’un tableau de bord de suivi des interventions — Industrie

Contexte : Détection des points de blocages dans la base de données. L’idée était de faciliter la communication entre les services de production et la direction. Gagner du temps lors des préparations de réunions de coordination et mettre en évidence les défaillances dans la modélisation de données initiale.
Compétences : Power BI Service, SQL, Power Query, DAX
Actions réalisées :
- Audit de la base de données, avec rapport sur la qualité des données.
- Création d’un dashboard interactif Power BI qui suit les travaux et interventions par équipes ou bâtiments.
Résultat :
- Visualisation claire des goulots d’étranglement.
- Mise en avant des limites des logiciels utilisés et proposition de solutions concrètes scalables.
- Création d’une documentation détaillée.

Dashboard d’analyse des ventes internationales

Contexte : Ce projet utilise les données de Rainforest Global pour explorer et visualiser les ventes par pays et par fournisseur. L’objectif est de mettre en évidence les zones géographiques les plus performantes, d’identifier les fournisseurs stratégiques et de suivre l’évolution des ventes à l’échelle mondiale. Le rapport permet ainsi de comparer les performances commerciales entre marchés, d’optimiser les partenariats fournisseurs et d’orienter la stratégie de développement international.
Compétences : Power BI, modélisation de données, visualisation avancée, storytelling avec la donnée.

Analyse des accidents routiers en France des mineurs de -10 ans

Description : Ce projet a pour but de sensibiliser aux dangers de la route pour les plus jeunes. Je procède à une analyse exploratoire dans un premier temps puis je prédis la gravité d’un accident selon plusieurs facteurs.
Compétences : EDA, Python, Régression supervisée
Lien vers le projet : Lien GitHub

Dashboard d’analyse de ventes de forfaits téléphoniques

Description : Ce projet explore les données de ventes de SmartFun Telecom Ltd, notamment les données de ventes de forfaits téléphoniques, fournissant des insights clés grâce à des visualisations et des analyses statistiques. J’ai utilisé des techniques d’EDA pour découvrir des tendances et des relations cachées dans les données.
Compétences : Power BI

Aperçu temporel Aperçu spatial Aperçu comparatif

Automatisation & Reporting de recouvrement de créances

Contexte : Optimisation du suivi et reporting des créances clients.
Compétences : Power BI Service, Power Query
Actions réalisées :
- Transformation et nettoyage des données de recouvrement
- Création d’un dashboard Power BI pour le suivi des KPI et alertes
- Automatisation du reporting quotidien
Résultats :
- Temps de reporting divisé par 3, meilleure visibilité des actions prioritaires.

Aperçu du rapport Power BI

Machine Learning Supervisé

Description : Dans ce projet, j’ai construit un modèle de régression pour prédire la consommation en énergie de bâtiments. Le modèle a été évalué à l’aide de métriques comme le RMSE, R² et le MAE. Différents algorithmes ont été testés : SVR, RandomForest, Elastic Net, LGBM.
Compétences : EDA, Scikit-learn, Feature Engineering, Tuning de paramètres, Validation croisée
Lien vers le projet : Lien GitHub

Machine Learning Non Supervisé

Description : Ce projet implique le clustering de données clients e-commerce en groupes significatifs à l’aide de K-means, DBSCAN et PCA.
Compétences : Scikit-learn, Clustering, PCA, RFM

Données originales Aperçu de la segmentation

Lien vers le projet : Lien GitHub

Dolores V.

J'aide les entreprises à valoriser leurs données grâce à des audits de données rapides, dashboards interactifs et automations de reporting pour des décisions éclairées.