Nous avons étudiez les données de ventes en ligne pour identifier les tendances d’achat, comprendre le comportement des clients et repérer les produits les plus performants. L’objectif était d'optimiser l'offre, améliorer vos performances commerciales et booster le chiffre d’affaire.

Mise en place d’une base de données structurée pour centraliser les informations sur les biens immobiliers. Grâce à des requêtes SQL, nous avons analysé l’évolution des prix et comparé différentes zones géographiques afin de mieux comprendre les tendances du marché.

Analyse de données liées à la disponibilité alimentaire, à la population et à la sous-nutrition. Grâce à Python, nous avons mis en évidence des disparités régionales et dégagé des indicateurs clés pour mieux comprendre les enjeux de santé publique.

Nettoyage et organisation des données de ventes afin de les rendre plus fiables et exploitables. Nous avons simplifié le suivi des performances et facilité l’analyse pour améliorer la gestion de la boutique.

Étude des données de ventes afin d’identifier les ouvrages les plus demandés et les tendances d’achat des clients. L’analyse réalisée a permis de dégager des recommandations pour optimiser l’offre et mieux répondre aux besoins des lecteurs.

Collecte et traitement de données publiques afin d’évaluer différents indicateurs liés à l’égalité entre les sexes. Cette étude a permis de mettre en évidence des écarts non significatifs.

Analyse de données liées à la population, la stabilité politique, les infrastructures, la région et le PIB. Cette étude a permis de comprendre les facteurs influençant l’accès à l’eau potable et de mettre en évidence les disparités entre différentes zones.

Utilisation d’algorithmes de machine learning pour analyser les caractéristiques de billets et distinguer les vrais des contrefaits. Ce projet a permis de créer un modèle prédictif fiable, capable d’identifier automatiquement les anomalies et de renforcer la sécurité.