Exploration
Contexte et objectifClarifier le problème, la décision à améliorer, les utilisateurs concernés et le résultat attendu.
Données & Analyse
Patrones Lab est un laboratoire d’analyse de données consacré à des phénomènes réels du quotidien.
Il rassemble des projets indépendants construits à partir de données publiques, avec pour objectif d’identifier des tendances, d’expliquer les comportements et de communiquer les enseignements dans leur contexte.
L’objectif est de poser de meilleures questions, préparer des données fiables, construire des analyses reproductibles et transformer les résultats en visualisations claires.
Je suis Malcolm Di Pietro Cagliari, actuaire et professionnel des données et de l’analyse. Mon parcours réunit la Business Intelligence, la production de rapports d’entreprise, la modélisation des données et l’analyse prédictive, avec une expérience dans les secteurs bancaire, assurantiel et aéronautique.
Je me concentre sur la connexion entre les besoins métier et les solutions fondées sur les données : définir des KPI, structurer l’information, construire des tableaux de bord et développer des modèles qui rendent les situations complexes plus faciles à comprendre et favorisent de meilleures décisions.
Une sélection de projets appliqués construits à partir de données publiques, avec une méthodologie documentée et des livrables visuels. Utilisez les filtres pour explorer par discipline, outil ou type de livrable.
Analyse du trafic aérien en Espagne à partir de données publiques AENA, centrée sur les volumes, les tendances par aéroport et les différences entre catégories de trafic.
Analyse exploratoire d’Airbnb à Londres pour comparer les prix, les types d’hébergement, la disponibilité, les séjours minimums et les différences entre quartiers.
Analyse des trajets de taxi déclarés à Chicago pour étudier la durée, la demande, la répartition géospatiale et les tendances opérationnelles.
Classification supervisée des hébergements comme relativement chers ou bon marché au sein de chaque type d’hébergement.
Tableau de bord interactif dans Looker Studio pour explorer les trajets de taxi à Chicago, les indicateurs opérationnels, les tendances horaires et les itinéraires départ-arrivée.
Modèle de régression logistique qui estime la probabilité qu’un tir devienne un but à partir de données publiques StatsBomb, avec validation par match et application à la Coupe du monde Qatar 2022.
Ouvrir le projet
Modèle probabiliste de danger attendu (xT) dans le football à partir de données publiques StatsBomb. Il estime la probabilité d’un but dans les cinq actions suivantes.
✅ publié
Clustering non supervisé K-means appliqué à la détection de fraude par carte bancaire.
✅ publié
Modèle supervisé de régression logistique pour la détection de fraude par carte bancaire.
✅ publié
Clustering non supervisé DBSCAN pour détecter de potentiels schémas de fraude par carte bancaire.
Ouvrir le projet
Analyse des statistiques de la Coupe du monde 2022 à partir de données publiques StatsBomb, centrée sur la synthèse des performances individuelles et la comparaison des joueurs via des radars de percentiles.
Analyse géospatiale des trajets de taxi à Chicago, centrée sur les zones de forte activité, les itinéraires urbains et la concentration territoriale de la demande.

Tableau de bord interactif dans Power BI sur Spotify Charts pour analyser les écoutes, les classements, les tendances temporelles et la répartition territoriale de la musique.
✅ publié
Rapport interactif Power BI pour analyser les dépenses fournisseurs, les tendances mensuelles, la répartition par catégorie, les économies et la distribution géographique.
Simulation d’un million de scénarios de la Coupe du monde 2026 à partir des scores Elo pour estimer les probabilités d’atteindre les demi-finales, de jouer la finale et de devenir champion.
Modèle de classification visant à estimer les dommages économiques liés aux événements météo en comparant une régression logistique à un réseau neuronal.
Analyse géospatiale des prix Airbnb à Londres à partir de la distance au centre, des quartiers et de métriques de voisinage géographique.

Simulation d’un million de scénarios de LaLiga 2026/27 à partir de scores Elo afin d’estimer les probabilités des principaux résultats du championnat.

Un modèle de buts fondé sur la loi de Poisson estimera les forces offensives et défensives de chaque équipe, puis sera associé à une simulation de Monte-Carlo pour estimer les probabilités de la compétition.
Pour des opportunités professionnelles, des collaborations en analyse ou des projets de BI, Machine Learning et tableaux de bord.
Envoyez-moi un message et je vous répondrai rapidement.