Profil Professionnel
Économiste de formation (Master Modélisation Économique & Finance Appliquée, FSJES Fès), avec trois expériences complémentaires en finance et en data : trésorerie et reporting chez Alstom, analyse de données à l'ONDA, opérations monétaires à Bank Al-Maghrib. Maîtrise des outils d'analyse de données (Python, Power BI, Excel avancé, R, SPSS, EViews) et des systèmes métier (SAP, CEGID Treasury, Qlik Sense). Disponible immédiatement, mobilité nationale.
Parcours Académique
–
2026
–
2023
–
2020
Expérience Professionnelle
- Traitement et contrôle des factures fournisseurs sous SAP (GSI) et préparation des batchs de paiement via MSP, dans le respect des délais contractuels
- Rapprochements bancaires sur CEGID Treasury et préparation des ordres de virement en lien avec la trésorerie
- Constitution du dossier de remboursement de TVA et contribution à la déclaration des délais de paiement
- Structuration du reporting financier sous Excel (TCD, mise en forme automatisée) et exploitation de Qlik Sense pour le suivi des indicateurs, en coordination avec Achats, Supply Chain, Contrôle de Gestion et Moyens Généraux
- Analyse statistique des données de trafic aérien avec Python (Pandas, NumPy, Matplotlib)
- Création de dashboards interactifs Power BI — KPIs : mouvements, passagers, fret
- Exploitation du système SOAM pour le suivi opérationnel et rapprochement des données
- Contribution à l'amélioration des méthodes de performance de la Division Navigation Aérienne
- Opérations de change et paiements interbancaires (Chèques, LCN, SIMT)
- Suivi des réclamations (GRIN) et observation des systèmes de compensation (CCB)
- Tenue comptable, états de synthèse, lettrage et apurement des comptes
- Télédéclarations fiscales : TVA, IS, IR, cotisations CNSS
- Création d'entreprises : statuts, RC, IF, ICE
- Gestion des approvisionnements et coordination des besoins en matériel
Compétences
Langues
Projets Académiques
Mémoire de fin d'études (Master MEFA). Modélisation ARDL sur 1995–2025 (R² = 0,985) de l'effet de la digitalisation sur les créances en souffrance ; modèles de détection sur 6,36 M de transactions (F1-score = 0,939) avec interprétabilité SHAP. Trois hypothèses guident la recherche :
396 observations (jan 1992–mar 2025). Modèle : SARIMA(0,1,1)(1,1,1)₁₂. MAPE = 2,11 %, Theil U2 = 0,010. Prévisions jusqu'à mars 2026 sous EViews.
Encadré par Pr. El Hassani Hafid. Mouvement brownien, intégrale d'Itô, Black-Scholes. Analyse comparative volatilité & drift Samsung vs Apple via Monte Carlo.
Enquête mixte (2 000–6 000 MAD). Analyse des conditions de travail, évolution de carrière et bien-être. Méthodes univariée & bivariée sous SPSS.
Leviers de transition circulaire au Maroc et contribution aux ODD. Revue de littérature et recommandations stratégiques.