rabab lahzil

Situation : Données de production non exploitées, absence d’outils de suivi qualité. Tâche : Analyse de l’historique pour définir les paramètres clés, Mettre en place un système d’analyse automatisé pour piloter la performance. Actions : Documentation d’une base Oracle partiellement perdue. Conception et automatisation de pipelines d’ingestion de données Création d’un dashboard Power BI connecté via Microsoft Fabric & NiFi. Déploiement d’un modèle RandomForest pour la détection temps réel de dérives Animation d’une boucle d’amélioration continue (PDCA) avec les équipes de production Résultats : 95 % des dérives détectées, -30 % de pannes, +2 % de performance sur les bancs de test. Outils : Python, Pyspark, SQL, Power BI, Oracle SQL Developer , Microsoft Fabric, NiFi

Situation : Données générées par les compteurs d’eau intelligents chez les clients n’étaient pas exploitées, alors qu’elles pouvaient révéler des anomalies ou améliorer la connaissance client. Tâche : Explorer ces données pour créer des profils de consommation et détecter des comportements anormaux. Actions : Réalisé une analyse exploratoire approfondie sur les données brutes client. Construit des profils de consommation via des statistiques et du clustering. Développé un modèle de détection de fuites et Mis en place des modèles ARIMA/SARIMA pour prévoir la consommation avec précision. Résultats : Détection des anomalies type fuites avec un taux supérieur à 85 %, Précision de prédiction des consommations atteignant 98 %, Automatisation de la chaîne d’analyse sur plusieurs jeux de données client. Outils : Python, SQL, PostgreSQL, scikit-learn.