Bienvenue sur mon portfolio !

À propos de moi 🙂

Bonjour, je suis Manal JEWA, une professionnelle du Customer Success avec un fort esprit data-driven, mettant à profit mon expertise en analyse de données pour générer des insights business et optimiser les processus.

Grâce à une expérience concrète dans le secteur du e-commerce agricole, j’ai utilisé la donnée pour améliorer la satisfaction client, optimiser l’expérience utilisateur et renforcer l’efficacité opérationnelle. Mon rôle impliquait l’analyse des comportements d’achat, le suivi des indicateurs clés de performance et l’exploitation des insights pour affiner les stratégies commerciales.

Afin d’approfondir mes compétences techniques, j’ai suivi une formation en Data Analyse chez DataScientest, accréditée par l’École des Mines de Paris, où j’ai acquis une expertise en SQL, Python, machine learning et data visualisation. Ma force réside dans ma capacité à faire le lien entre les besoins métier et les insights data, permettant aux entreprises de prendre des décisions éclairées et stratégiques.

Je suis ouverte à toute opportunité dans les domaines de la data ou du Customer Success, que ce soit en tant que Business/Data Analyst, Customer Insights Analyst ou dans un rôle de Customer Success Manager à dimension technique. Mon objectif est de valoriser à la fois mes compétences analytiques et mon expérience client pour contribuer à des prises de décision éclairées et à l’amélioration continue de l’expérience utilisateur.

Échangeons ! 🚀

Compétences clés & Technologies 💻

Analyse de données & Visualisation : Excel, Power BI, Tableau
Langages de programmation: SQL, Python (Pandas, NumPy, Matplotlib, Seaborn, Plotly)
Nettoyage & Préparation des données: Gestion des valeurs manquantes, normalisation des données
Business Intelligence: Création de tableaux de bord interactifs et de rapports
Analyse Client: Segmentation client, analyse comportementale, suivi des KPIs
Machine Learning (Bases): Modélisation prédictive avec Scikit-learn
Streamlit: Développement d’applications web interactives pour la visualisation et le partage des analyses

Projets de Data Analysis 📊

Voici quelques projets sur lesquels j’ai travaillé et qui montrent mon expertise en analyse de données. Ces projets se concentrent sur le nettoyage des données, l’analyse et la visualisation, avec un accent sur la fourniture d’informations exploitables.

1. Prédiction du succès d’une campagne marketing – Formation DataScientest – Février 2025

Objectif : Développer un modèle prédictif permettant d’anticiper si un client répondra positivement à une campagne marketing.

Actions menées :

Analyse exploratoire des données (EDA) sur un jeu de données de 11 162 lignes et 17 variables.
Pré-traitement des données : gestion des valeurs manquantes, encodage des variables catégorielles, normalisation.
Modélisation avec plusieurs algorithmes : Régression Logistique, Random Forest, Gradient Boosting.
Meilleur modèle : Random Forest avec un F1-score de 85%.

Technologies utilisées : Python, Scikit-learn, Matplotlib, Seaborn, Plotly

🔗 Lien vers le projet sur GitHub

🔗 Lien vers l’application Streamlit

2. Analyse des performances d’un centre d’appels avec Power BI – Formation DataScientest – Janvier 2025

Objectif : Évaluer la performance d’un centre d’appels en utilisant Power BI, avec un focus sur la qualité du service client, l’évolution des revenus et l’efficacité des employés.

Actions menées :

Nettoyage et transformation des données avec Power Query.
Modélisation en schéma en étoile pour optimiser l’analyse.
Création d’un tableau de bord interactif intégrant des KPIs pour évaluer les niveaux de service et les performances des agents.

Technologies utilisées : Power BI, Power Query, DAX

🔗 Lien vers le projet sur GitHub

3. Analyse des avis clients - Formation DataScientest - Décembre 2024

Objectif : Ce projet vise à prédire les évaluations des clients pour les commandes e-commerce et à analyser les facteurs clés influençant la satisfaction client. En comprenant ces facteurs, les entreprises peuvent améliorer l’expérience utilisateur et stimuler la croissance des ventes.

Actions menées :

Extraction et traitement des données relationnelles avec SQL.
Réalisation d’une analyse exploratoire des données et visualisation des principales tendances.
Création de nouvelles variables, y compris la durée de livraison et les variables historiques des avis.
Application de la Forêt Aléatoire pour la classification, en regroupant les catégories de notes pour gérer le déséquilibre des classes.
Évaluation des performances du modèle et analyse des schémas de mauvaise classification.

Technologies utilisées : Python, SQL, Scikit-Learn, Matplotlib, Seaborn

🔗 Lien vers le projet sur GitHub

4. Analyse des tendances de vente et du comportement client – (Projet personnel) – Décembre 2024

Objectif : Analyser la performance commerciale d’une entreprise d’e-commerce à l’aide de SQL pour extraire des insights clés sur les commandes, les clients et les produits.

Actions menées :

Analyse de plus de 500 000 transactions issues du dataset Online Retail.
Identification des produits les plus vendus, des périodes de forte demande, et segmentation des clients en fonction de leur chiffre d’affaires.
Calcul du taux de retour des produits (9%) et recommandations pour réduire les anomalies.
Automatisation des KPIs clés avec SQL et visualisation des résultats sur Power BI.

Technologies utilisées : SQL, Power BI

🔗 Lien vers le projet sur GitHub

Prochaines étapes dans mon apprentissage 🚀

Je suis engagée dans une amélioration continue de mes compétences en data analysis. Voici les domaines sur lesquels je me concentre actuellement:

Maîtrise avancée de SQL : Améliorer mes compétences en techniques SQL avancées, y compris l’optimisation des requêtes, les jointures complexes et les fonctions de fenêtres pour une analyse efficace des données.
Visualisation avancée : Développer une expertise dans Tableau et Power BI pour créer des tableaux de bord dynamiques et interactifs qui favorisent la prise de décision.
Machine Learning appliqué : Appliquer des techniques de modélisation prédictive et de classification à des ensembles de données réels pour en extraire des insights plus profonds.
Data Storytelling : Affiner ma capacité à communiquer clairement et efficacement les insights basés sur les données, en veillant à ce que les parties prenantes puissent prendre des mesures significatives.

Pourquoi je suis un bon choix pour votre équipe 🤝

Une expertise analytique centrée sur le client : Grâce à mon expérience en customer success, je sais combien il est crucial de prendre des décisions orientées client grâce aux données.
Compétences analytiques éprouvées : Mon expérience, combinée à une formation avancée chez DataScientest, m’a permis de développer une expertise en SQL, Python et visualisation de données, me permettant de transformer des ensembles de données complexes en informations exploitables.
Passion pour la data : Je suis motivée à appliquer mes compétences analytiques dans des domaines comme le marketing digital, l’e-commerce ou la finance, pour aider les entreprises à prendre des décisions éclairées et à se développer.

Me contacter 📩

Je serais ravie d’échanger sur vos besoins en data analysis et de discuter de la façon dont je peux contribuer à votre organisation. N’hésitez pas à me contacter via :

📧 Email : manal.jewa@gmail.com

🔗 LinkedIn : Mon profil LinkedIn

🔗 GitHub : Mon profil GitHub

Merci !

Merci d’avoir visité mon portfolio ! Je suis enthousiaste à l’idée de continuer à apprendre et évoluer dans le domaine de l’analyse de données.

N’hésitez pas à me contacter pour toute opportunité, suggestion ou collaboration !