Data Analyst passionné par le potentiel de la donnée à transformer les organisations. Rigoureux, curieux et orienté résultats — je construis des analyses claires au service de l'impact opérationnel.
Bienvenue sur mon portfolio. Je suis Romain RAMAT, Data Analyst formé à l'exploitation de la donnée sous toutes ses formes : extraction, modélisation, analyse statistique, visualisation et communication des résultats.
J'envisage l'analyse de données comme un véritable outil d'aide à la décision : clair, rigoureux et orienté résultats, au service de l'amélioration continue et de l'impact opérationnel.
Ce portfolio présente les projets et livrables réalisés au cours de ma formation, ainsi que mes projets personnels — chacun illustrant à la fois des compétences techniques et des savoir-être développés en situation réelle.
Projets d'études et personnels — chaque carte indique les compétences techniques ■ et comportementales ■ mobilisées.
Élaboration de dashboards Excel, interprétation des indicateurs de performance et mise en œuvre des pratiques d'accessibilité.
Modélisation complète avec Power Architect, dictionnaire de données et élaboration de requêtes SQL complexes.
Manipulation de plusieurs fichiers CSV et interprétation des données mondiales avec Python et ses librairies de visualisation.
Modélisation en formes normales (1NF, 2NF, 3NF) à partir des données officielles DVF du gouvernement.
Approche statistique descriptive, étude des distributions et des corrélations pour conseiller la direction.
Découverte et maîtrise de Power BI : intégration des données, tables de relations, DAX et Power Query.
Mise en place d'un workflow no-code avec KNIME, de la reprise des données à la mise en forme, en conformité RGPD.
Tests statistiques et vérification d'hypothèses de corrélation avec SciPy sur les données réelles de ventes.
Dashboards interactifs Power BI pour identifier les pays candidats à des interventions humanitaires.
Analyse en composantes principales (ACP) et clustering pour identifier des segments cibles à l'international.
Utilisation des régressions linéaire et logistique, du clustering et de la cross-validation pour classer billets vrais et faux.
Projet personnel : obtenir un benchmark supérieur à 0,14 sur un jeu de données de fraude avec LightGBM.
Compétences techniques et comportementales développées au fil des projets.
Raconter la donnée en accrochant l'auditoire
Toujours approfondir et questionner les résultats
M'ajuster aux contraintes et aux besoins métier
Rendre les concepts complexes accessibles
Comprendre les enjeux et les besoins des équipes
Partager et transmettre mes connaissances
Pour rester à jour sur la data, l'IA et les outils analytiques, j'utilise ces deux plateformes au quotidien.