Samiath Amadou

Contexte : Hyundai Motor France pilote la performance Marketing de ses activités à travers plusieurs indicateurs clés liés à la maintenance, la fidélisation client et la qualité du réseau. L’équipe Data a été chargée d’améliorer la fiabilité et la valorisation des données issues de multiples systèmes (garantie, facturation atelier, maintenance, CRM, etc.) afin d’appuyer les décisions stratégiques des équipes métier. Dans ce cadre, la mission visait à renforcer la qualité et la cohérence des données, à industrialiser les analyses, et à mesurer l’impact de ces initiatives data sur le business. Réalisations : • Analyse des besoins métiers et formalisation de Use Case Cards • Animation d'un comité mensuel de priorisation des Use Case inter BU • Amélioration de la data quality • Campagne CRM • A/B Test • Analyse du panier moyen • Analyses de conversion de leads en ventes • Analyse de la rétention client • Analyse de scoring • Mise en place de dashboard de suivi et stabilisation de flux factures Environnement technique : • GCP - Big Query - Power BI - Python - Dataform – SQL

Contexte : Eni Gas & Power France est une Filiale du Groupe ENI, acteur mondial de l’énergie. Elle fournit du gaz, de l’électricité et des services énergétiques et s’adresse aux particuliers, PME et grands comptes. Le contexte de hausse du prix de l'énergie et du bouclier tarifaire mis en place par l'état français, ont accentué la nécessité de surveiller l'activité aux moyens de KPI et Dashboard. Aussi, des analyses liées à l'acquisition et au churn sont réalisés dans le cadre du suivi du portefeuille client. Réalisations : • Analyses du churn • Analyses ad/hoc • Analyse d’acquisition de clients • Construction et maintenance de Dashboard/indicateurs Tableau • Production de rapports hebdomadaires • Requêtage de la base de données PostegreSQL • Rédaction du cahier de charge et documentation • Suivi de projet • Migration de Dashboard vers Power BI • Migration de PostgreSQL vers Azure DataBricks Environnement technique : • Tableau - Excel - Power BI - DAX - R- Python - AWS – SQL- PostegreSQL

Contexte : Stellantis est un groupe automobile multinational résultant de la fusion du Groupe PSA et de Fiat Chrysler Automobiles. Le groupe Stellantis exploite et commercialise quinze marques automobiles. À la suite de changements dans sa chaine logistique, Stellantis fait face à une situation de crise avec des voitures dites « perdues » car n’arrivant pas à localiser. Mais également un fort ralentissement de son rythme de livraison. Afin de piloter son activité, le groupe s’appuie sur la mise en place de flux de données afin de faire la convergence entre ses différentes sources de données. Mais également la création d’indicateurs et de dashboards de suivi de crise. Réalisations : • Rédaction du cahier de charge pour les utilisateurs Stellantis • Animation des réunions de suivi de projet • Animation d’ateliers data • Construction de pipelines Dataflow, Power Query, DAX, Power Automate • Construction de dashboards, KPI et rapports • Résolutions de bugs et d’incidents • Requêtage de la base de données Oracle, création de jobs et procédures stockées Environnement technique : • Python - Power BI – DAX – Dataflow – SQL – Oracle

Contexte : KFC est une chaine de restauration rapide américaine présente un peu partout à travers le monde. En France, la majorité de ses restaurants sont des franchises. Afin de piloter son activité, KFC s’appuie sur des workflows de données permettant d’alimenter ses rapports/tableaux de bords contenant des indicateurs clés tels que le SSSG et SSTG. Aussi, KFC mise sur l’exploitation de ses données de transactions afin d’avoir une meilleure connaissance client. Réalisations : • Monitoring des workflows Alteryx • Publications mensuelles de l’outil de suivi opérationnel « Scorecard » & des rapports permettant le suivi des ventes (quotidiens, hebdomadaires, mensuels) • Mise en place d'indicateurs liés à l'activité commercial sur Power BI • Création, développement et automatisation de l'exploitation des données via Power-BI sur les ventes, les marges, etc. • Création & monitoring de Jobs et procédures stockées sur SQL Server • Analyse du panier consommateur avec algorithme Apriori en Python et R Environnement technique : • Power BI – Python – R – RStudio –Alteryx –SQL Server – SQL

Contexte : L’avènement des véhicules électriques s’accompagne de la prolifération de bornes de recharge électriques à travers les villes. Bouygues a développé une application permettant la maintenance prédictive de ces dernières afin de garantir une qualité de service à ses usagers. Réalisations : • TMA (Tierce maintenance applicative) • Monitoring des services azure • Développement de nouvelles fonctionnalités pour l’ETL (DAG) • Développement de nouvelles fonctionnalités applicatives • Analyse clustering sur les données des bornes • Création, mise à jour et monitoring jobs Talend • Mise en place de dashboard Power BI Environnement technique : • Python – Airflow – Snowflake – Azure– PostgreSQL – Power BI – Clustering (Kmeans) – Talend Open Studio

Contexte : Intégrée au sein de l’entité OINIS, Division WFEO, le projet consistait à mettre en place des solutions de prédiction d’alarmes au niveau de la supervision. Mais également de travailler sur divers sujets data relatifs aux domaines de la Voix, du Roaming, de l’IP et de la transmission. Il a été question par la suite de mettre en place une gouvernance de données en commençant le recensement de ces dernières avec la plateforme Data Galaxy. Environnement technique : • Data Galaxy – Dataiku

** Etude des facteurs expliquant la compétitivité dans le processus d'appel d'offres (Tendering) - Prédiction des appels d'offres susceptible d'être gagner (tenders awarded) - Prédiction de non-conformités (Qualité) - Mise en place de différents dashboard (data model et de KPI) entre autres : + Analyse de la compétitivité + Analyse de la concurrence : + Visualisation planning de la flotte (vessels, yards,...) - Mise en place d'indicateurs sur les données de REX (Return on experience) et LL (Lessons Learn) - Prédiction de non-conformités (Qualité) - Data management pour l'engineering des projets Python – Machine learning – Power BI – DAX – Spinergie Aveva engineering

** Prédiction des accidents HSE (Health Security Environment) sur sites de construction Problématiques : - Prédiction du risque - Prédiction du type d'accident - Prédiction de la source à l'origine de l'accident - Prédiction de la partie du corps impactée - Mise en production, interface web, Flask Natural Langage Processing (NLP) - Bag of words - Tf-idf Python - Gensim - Doc2Vec - Word2vec - Power BI

** Prédiction et explication de la vacance locative dans le logement social Problématiques : - Entretien avec les métiers, rédaction d'un cahier de charge - Trouver les éléments qui influent sur la vacance des logements - Prédire la vacance (nombre de jours pendant lequel un logement reste vacant) - Prédire le montant des réparations locatives - Transformer les prédictions en stratégies d'entreprise ** Prédiction des impayés - Prédiction de la solvabilité R, Knime, Power BI SQL avancé, Toad (BDD Oracle) Random forest, Gradient Boosted Trees, Logistic regression Tuning algorithmes assemblistes : Bagging, Boosting et Stacking Open data (données INSEE) Machine learning, data mining, data science Gestion de projet

** Optimisation du temps d'attente au fil pour un centre d'appel Problématique : - Modélisation l'activité du centre d'appel avec la théorie des files d'attentes (Queuing théorie) - Prédiction du temps d'attente en queue - Prédiction du nombre d'appel par tranche horaire (Times Series) - Mise en lumière des facteurs influant et expliquant le temps d'attente - Reporting avec JaspertReport - Support utilisateurs avec JIRA Analyse de données - Clustering - Regression linéaire multiple Gestion de projet - Rédaction dossier de spécifications techniques et fonctionnels Support utilisateurs - Reporting- Queuing theory - Times Series RStudio - R- JasperReport - Jira - JaspertReport

** Développement d'une application de maîtrise statistique de procédés (MSP) Problématique : Automatiser le flux de données dans le cadre des contrôle qualité sur la production de wafers - Récupération des données et traitement en temps réel (format XML) - Interfaçace entre environnement C# et R pour l'analyse statistique des mesures - Visualisaton des graphes de mesure C# - Langage R - TIBCO Rendez - XML