Kevin Kenang Kenang

- 𝐃𝐞́𝐭𝐞𝐜𝐭𝐞𝐫 𝐥𝐞𝐬 𝐞́𝐪𝐮𝐢𝐩𝐞𝐦𝐞𝐧𝐭𝐬 𝐝𝐞́𝐟𝐞𝐜𝐭𝐮𝐞𝐮𝐱 via l'exploitation des échanges terrain/assistance technique | Conception d'un système de recommandation basé sur un modèle vectoriel | Identification de +75 % des cas problématiques. - 𝐎𝐩𝐭𝐢𝐦𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐝𝐮 𝐫𝐞𝐜𝐨𝐮𝐫𝐬 𝐚̀ 𝐥'𝐚𝐬𝐬𝐢𝐬𝐭𝐚𝐧𝐜𝐞 𝐭𝐞𝐜𝐡𝐧𝐢𝐪𝐮𝐞 : Conception d'un modèle prédictif (GCP + Dataiku) réduisant de 25 % les appels inutiles au soutien technique. Mise en place d'une métrique métier innovante (coût de prédiction) pour optimiser la répartition de la charge de travail. - 𝐄́𝐯𝐚𝐥𝐮𝐚𝐭𝐢𝐨𝐧 𝐞𝐭 𝐚𝐦𝐞́𝐥𝐢𝐨𝐫𝐚𝐭𝐢𝐨𝐧 𝐝𝐮 𝐝𝐢𝐬𝐩𝐨𝐬𝐢𝐭𝐢𝐟 𝐝’𝐚𝐬𝐬𝐢𝐬𝐭𝐚𝐧𝐜𝐞 𝐭𝐞𝐜𝐡𝐧𝐢𝐪𝐮𝐞 : Définition d'un nouvel indicateur de performance permettant de relier chaque appel de soutien à un rétablissement client effectif. Cet indicateur a permis de filtrer les appels inutiles et de mesurer enfin l'efficacité réelle du levier mis en place. - 𝐀𝐧𝐚𝐥𝐲𝐬𝐞 𝐩𝐫𝐨𝐚𝐜𝐭𝐢𝐯𝐞 𝐝𝐞 𝐥𝐚 𝐪𝐮𝐚𝐥𝐢𝐭𝐞́ 𝐝𝐞𝐬 𝐝𝐨𝐧𝐧𝐞́𝐞𝐬 : Identification d'incohérences entre données terrain et SI, anticipant des risques opérationnels sur le déploiement de nouveaux clients et apportant aux responsables une vision claire pour orienter leurs décisions. - 𝐏𝐚𝐫𝐭𝐢𝐜𝐢𝐩𝐚𝐭𝐢𝐨𝐧 𝐚̀ 𝐝𝐞𝐬 𝐬𝐞𝐬𝐬𝐢𝐨𝐧𝐬 𝐝'𝐚𝐩𝐩𝐞𝐥𝐬 entre les techniciens et l'assistance technique afin de comprendre les causes d’échec et les variations de durée d'appels, aboutissant à la création d'indicateurs plus réalistes et actionnables.

- 𝐀𝐧𝐚𝐥𝐲𝐬𝐞 𝐞𝐭 𝐟𝐢𝐚𝐛𝐢𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐝𝐞 𝐬𝐞́𝐫𝐢𝐞𝐬 𝐭𝐞𝐦𝐩𝐨𝐫𝐞𝐥𝐥𝐞𝐬 : détection et imputation de données manquantes/aberrantes sur + 750k observations de flux de mobilités collectées par capteurs Telraam. - 𝐀𝐦𝐞́𝐥𝐢𝐨𝐫𝐚𝐭𝐢𝐨𝐧 𝐝𝐞 𝐥'𝐨𝐮𝐭𝐢𝐥 𝐝𝐞 𝐯𝐢𝐬𝐮𝐚𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐝𝐞𝐬 𝐟𝐥𝐮𝐱 𝐝𝐞 𝐦𝐨𝐛𝐢𝐥𝐢𝐭𝐞́ : correction de certains bugs identifiés. - 𝐂𝐨𝐥𝐥𝐚𝐛𝐨𝐫𝐚𝐭𝐢𝐨𝐧 avec des chercheurs et une association locale pour aligner les analyses avec les besoins métiers.

- Collecter, nettoyer et structurer des données clients issues des systèmes CRM et de facturation pour alimenter les analyses de performance commerciale. - Automatiser les reportings hebdomadaires via Power Automate et Power BI, réduisant de 15% le temps de préparation des dashboards. - Construire un tableau de bord Power BI consolidant ventes, satisfaction et réabonnement, utilisé par la direction régionale. - Contribuer à l'optimisation d'une campagne de fidélisation en identifiant les 10% de clients à fort risque de churner.