Diplômé en 2016 du Master spécialisé en Statistique et Analyse Décisionnelle à l’Université de Caen, j’accompagne depuis plus de 7 ans les directions Etudes dans la mise en place d’outils d'aide à la décision et des méthodes statistiques avec une forte appétence aux problématiques Data Sciences et suivi - évaluation des projets.
Je conseille et accompagne également les entreprises dans la mise en œuvre des projets digitaux sur la technologie blockchain.
A travers les données de l’enquête organisée par BIOMASS, ce projet consistait à rechercher les facteurs pouvant influencer la consommation du bois en terme de quantité utilisée dans la région de Haute-Normandie. Il s’agit donc de trouver des facteurs susceptibles d’expliquer la consommation de l'énergie dans cette région et d’en faire une prédiction pour les communes de la même région qui n’ont pas été enquêtées.
ACTIONS :
Traitement, nettoyage et analyse exploratoire afin de déterminer les variables pour la modélisation (utilisation des techniques de Machine Learning)
Validation du modèle à travers des données d’une enquête menée par l’entréprise Biomasse. Prédiction et (Analyse multivariée : ACM, ACP, segmentation)
RESULTATS :
Trouver le meilleur modèle pouvant expliquer la consommation du bois : Mettre en valeur les facteurs ayant un impact « significatif » sur la quantité de bois utilisée
Prédire, à travers les données de l’INSEE, la quantité de bois consommée dans les autres Communes qui n’ont pas fait l’objet de cette enquête.
Cartographier les Communes par leur quantité de bois prédite.