Genève génère des données massives. Peu d'entreprises savent quoi en faire.

Genève concentre plus de 100 maisons de négoce de matières premières. Trafigura, Gunvor, Vitol, Mercuria : ces sociétés gèrent des flux de données colossaux (prix spot, volumes, logistique, risques de contrepartie). Pourtant, une bonne partie de l'analyse se fait encore sur des classeurs Excel partagés par email entre le front office et les opérations. Du reporting, pas de l'analyse. Personne ne creuse les corrélations entre les retards logistiques et les marges réelles par corridor de transport.

Côté banque privée et gestion de fortune, même constat. Genève gère environ 25% des actifs offshore mondiaux. Pictet, Lombard Odier, Union Bancaire Privée : les données clients existent, les historiques de transactions aussi. Mais quand un gestionnaire veut comprendre quel profil de client décroche après 18 mois, il se fie à son intuition. Pas à une segmentation statistique.

Les organisations internationales (ONU, OMS, OMC, CICR, CERN) produisent des volumes de données considérables. Certaines équipes ont des data scientists. La majorité des départements n'en ont pas et fonctionnent avec des stagiaires qui font du copier-coller entre systèmes.

Et puis il y a le tissu de PME genevoises : sous-traitants horlogers, sociétés de trading de taille moyenne, cabinets de conseil, biotech de la Geneva Health Valley. Elles n'ont pas les moyens de recruter un data analyst à plein temps (les salaires genevois n'aident pas). Elles ont des données, des questions business, et personne pour faire le lien entre les deux.

Ce que je fais pour les entreprises de Genève

Analyse exploratoire : trouver ce que vous ne cherchiez pas

Vous avez une question business ? Je prends vos données brutes et je creuse. Analyse en Composantes Principales (ACP) pour dégager des structures cachées dans vos données de trading ou de portefeuille. Clustering pour segmenter vos clients wealth management par comportement réel, pas par le montant sous gestion. Cercles de corrélation pour comprendre quelles variables bougent ensemble dans vos données de négoce. Pour une maison de commodity trading, ça peut révéler des patterns saisonniers sur les marges par route logistique. Pour une banque privée, des segments de clients à risque de départ que le relationship manager n'avait pas identifiés. Ce n'est pas du reporting. C'est de l'exploration.

Analyse ad-hoc : des réponses concrètes à vos questions

"Pourquoi nos clients frontaliers ont un taux d'attrition 2x plus élevé ?" "Quels corridors de trading génèrent le plus de marge nette après coûts logistiques ?" "Nos prix sont-ils cohérents entre le marché CHF et EUR ?" Chaque question business a une réponse qui dort dans vos données. Je construis l'analyse de bout en bout : extraction, nettoyage, exploration statistique, visualisation des résultats. Vous repartez avec un livrable clair et des recommandations actionnables. Pas un rapport de 80 pages que personne ne lira.

Détection d'opportunités : faire travailler vos données pour la croissance

La plupart des entreprises genevoises utilisent leurs données pour regarder en arrière. Combien de transactions, quel volume de négoce, quel rendement par portefeuille. Je fais l'inverse : j'utilise vos données pour regarder devant. Quels segments clients sont sous-exploités dans le corridor Genève-Lausanne-Lyon ? Quels produits financiers pourraient être proposés en bundle sur la base des comportements d'achat réels ? Quelles corrélations entre vos actions commerciales et vos conversions n'ont jamais été mesurées ? C'est le type d'analyse qui transforme un coût data en investissement.

Comment ça se passe

1. Échange initial (gratuit, 30 min)

Vous me décrivez votre question business. Pas besoin d'un brief structuré : "on a l'impression qu'on passe à côté de quelque chose dans nos données de trading" est un point de départ parfait. Je vous dis si l'analyse est faisable et ce dont j'ai besoin pour démarrer.

2. Accès aux données et exploration initiale

Je récupère vos données (export, accès API, base SQL, peu importe le format). Je fais un premier passage : qualité des données, volume exploitable, premiers patterns. En quelques jours, vous avez une évaluation honnête de ce que vos données peuvent et ne peuvent pas dire. Si vos données sont soumises à la nLPD ou à des contraintes de compliance suisse, on cadre ça dès le départ.

3. Analyse approfondie

C'est le coeur du travail. ACP, clustering, tests statistiques, modèles de corrélation : j'applique les méthodes qui correspondent à votre question. Pas de data science pour la forme. Chaque technique est choisie parce qu'elle résout un problème concret.

4. Livrable et recommandations

Vous recevez un rapport visuel avec les résultats clés, les visualisations qui comptent, et des recommandations concrètes. Je vous présente les résultats en visio, je réponds à vos questions, et je m'assure que vous savez exactement quoi faire avec ce qu'on a trouvé.

Stack technique

Pythonpandasscikit-learnmatplotlibseabornSQLBigQueryJupyterLooker StudioTableau

Questions fréquentes

Vous êtes basé à Tbilisi, comment ça fonctionne pour un client à Genève ?

Appels visio, rapports partagés, mises à jour asynchrones. Je travaille comme ça depuis des années avec des clients en Suisse et en France. Pour le lancement ou les phases sensibles, je me déplace. Genève est à un vol direct. Et soyons honnêtes : la maison de trading de la rue du Rhône n'a pas besoin de moi dans ses bureaux. Elle a besoin que son analyse soit livrée dans les temps, avec les bonnes conclusions.

Combien coûte une analyse data ?

Ça dépend de la complexité de la question et du volume de données. Une analyse ad-hoc ciblée, c'est quelques jours de travail. Une exploration complète avec segmentation et modélisation, plutôt une à deux semaines. Je facture en euros, ce qui représente un avantage de coût significatif par rapport aux consultants locaux facturant en CHF. On cadre le budget ensemble au premier appel.

Qu'en est-il de la protection des données suisse (nLPD) ?

La nLPD (nouvelle Loi fédérale sur la Protection des Données) est plus stricte que le RGPD sur certains points, notamment la responsabilité individuelle des dirigeants. Je travaille avec des API privées et des environnements sécurisés. Vos données ne transitent pas par des outils tiers sans votre accord. On définit ensemble les règles de traitement avant de commencer, en conformité avec vos obligations légales suisses.

Quelle différence avec les Big Four ou les cabinets de conseil genevois ?

Deloitte et McKinsey ont des bureaux à Genève et font un excellent travail sur les projets à plusieurs millions. Mais pour une analyse data ciblée, leur modèle ne colle pas : vous payez un partner pour vendre, un manager pour superviser, et un junior pour faire le travail. Chez moi, c'est la même personne qui cadre, analyse et présente. Plus rapide, moins cher, et vous parlez directement à celui qui touche les données.