Réalisations
Des données aux constats.
Chaque projet de cette page est identifié selon sa nature. Les travaux pour des clients ne sont publiés qu’avec leur autorisation.
- Fig. 1
Coûts des chantiers mis à jour au fil de la journée
Voir en taille réelle ↗ (s’ouvre dans un nouvel onglet)Source: tableau de bord de démonstration, données fictives Projet client · Victoria (C.-B.)Tableau de bord des coûts de chantier pour un entrepreneur en restauration
Le défi
L’équipe enregistrait déjà ses heures et photographiait ses reçus dans son application de suivi du temps, mais rien ne reliait ces informations à chaque chantier. Savoir si un chantier était rentable exigeait des heures de tri après coup.
La solution
Un processus automatisé qui recueille les heures et les photos de l’équipe tout au long de la journée. L’IA lit chaque photo, distingue les reçus des photos d’avancement, et ajoute les matériaux et la main-d’œuvre au bon chantier. Un tableau de bord Web sécurisé présente les résultats par chantier et par semaine, chaque image de reçu étant accessible en un clic.
Conçu selon les besoins du client
Chaque fonctionnalité est née d’une situation réelle. Les remboursements sont détectés et soustraits automatiquement. Les chantiers archivés qui reçoivent une nouvelle activité sont signalés pour vérification. Un reçu classé au mauvais endroit se déplace vers le bon chantier en un clic. Les estimations côtoient les coûts réels. Les totaux hebdomadaires suivent le cycle de paie hebdomadaire du client.
Le résultat
L’équipe n’a rien eu à changer à sa façon de travailler. Le propriétaire utilise maintenant le tableau de bord au quotidien.
Outils
- Python
- Google Cloud
- Firebase
- AI vision
- QuickBooks Time
- QuickBooks Online API
- Fig. 2
Any institution’s trend next to the BC benchmark
Voir en taille réelle ↗ (s’ouvre dans un nouvel onglet)Source: Statistique Canada, tableau 37-10-0277-01 Projet de démonstrationDonnées publiquesTableau de bord des inscriptions postsecondaires en C.-B.
Les données sur les inscriptions dans les établissements de la C.-B. existent dans les tableaux de Statistique Canada, mais comparer un établissement au portrait provincial demande des heures de travail manuel. À partir du tableau 37-10-0277-01 (2013-2014 à 2023-2024), j’ai chargé les données dans BigQuery, créé des pipelines Dataform avec des environnements de développement et de production distincts, puis modélisé le tout dans Power BI selon un schéma en étoile, avec des mesures DAX pour les inscriptions, la croissance, la part de marché et le profil étudiant. Résultat : un tableau de bord interactif où la tendance de chaque établissement côtoie la référence provinciale.
Outils
- BigQuery
- Dataform
- Power BI
- DAX
- Fig. 3
Net total directional connectedness over time
Voir en taille réelle ↗ (s’ouvre dans un nouvel onglet)Source: Fig. B2, Appendix B (TVP-VAR, US context), Gaies, Chaabane, Adeosun & Sahut (2025), Energy Economics Interactions dynamiques entre le risque de transition climatique, le sentiment ESG et les marchés boursiers
Dans quelle mesure le risque de transition climatique et le sentiment ESG influencent-ils la valeur boursière, et à quel moment? À partir de données de marché européennes à haute fréquence, j’ai harmonisé les sources en SQL, effectué des diagnostics de séries chronologiques et appliqué des modèles TVP-VAR et de cohérence par quantiles en R pour suivre la transmission du risque entre les marchés en période de tensions.
Outils
- SQL
- R
Référence
Gaies, B., Chaabane, N., Adeosun, O. A., & Sahut, J. M. (2025). Climate transition risks, ESG sentiment and market value: Insights from the European stock market. Energy Economics, 148, 108605. https://doi.org/10.1016/j.eneco.2025.108605
- Fig. 4
Wavelet coherence: Bitcoin and 5-year breakeven inflation (T5YIE)
Voir en taille réelle ↗ (s’ouvre dans un nouvel onglet)Source: Gaies, Chaabane, Arfaoui & Sahut (2024), Research in International Business and Finance Tests de résistance du marché des cryptomonnaies : inflation et risque financier
Le Bitcoin et l’Ethereum protègent-ils contre l’inflation, ou ne sont-ils qu’un autre actif risqué? Sur un jeu de données quotidiennes constitué pour 2018-2023 en Python, SQL et R, j’ai effectué des diagnostics statistiques (Jarque-Bera, BDS, Kruse, Hu & Chen) et appliqué la cohérence en ondelettes et la cohérence par quantiles pour montrer comment la dépendance évolue entre les périodes calmes et les périodes de tensions.
Outils
- Python
- SQL
- R
Référence
Gaies, B., Chaabane, N., Arfaoui, N., & Sahut, J. M. (2024). On the resilience of cryptocurrencies: A quantile-frequency analysis of Bitcoin and Ethereum reactions in times of inflation and financial instability. Research in International Business and Finance, 70(A), 102302. https://doi.org/10.1016/j.ribaf.2024.102302
Signification des étiquettes
- Recherche publiée
- Recherche évaluée par les pairs; l’étiquette renvoie à l’article publié.
- Projet client
- Travail pour un client nommé, publié avec son autorisation.
- Projet anonymisé
- Travail réel pour une organisation qui ne peut pas être nommée.
- Projet de démonstration
- Travail autonome qui illustre une méthode ou un outil.
- Démonstration
- Conçu pour illustrer une technique, à partir de données illustratives.
Rendons vos données plus utiles.
Vous avez un défi lié aux rapports, à l’analyse ou aux données? Discutons de ce avec quoi vous travaillez et de ce que vous devez accomplir.