Seif ABIDI

Quality of Experience (QoE) : solutions for telecommunication services : Conception de pipelines ETL pour collecter et fiabiliser les données issues des réseaux télécoms (Python, PySpark, GCP, Airflow). Analyse des enquêtes de satisfaction et des feedbacks clients non structurés à l’aide du NLP et de modèles d’IA générative (automatisation des insights et enrichissement des analyses qualitatives). Développement de modèles prédictifs avancés pour anticiper les comportements futurs, prédire le risque réseau et améliorer les performances. Mise en œuvre d’algorithmes de machine learning pour identifier les patterns cachés dans les données et construire de nouveaux KPIs orientés expérience client. Création et automatisation de dashboards TABLEAU interactifs pour une visualisation dynamique Technos : Python, SQL, PySpark, Airflow, GCP, NLP, IA générative, Tableau, MinIO

• Relation Client #Business : Mise en place d’un datamart pour regrouper les enquêtes de satisfaction clients. Exploitation des outils statistiques (SAS) et modélisation pour analyser les données. Projet 5G / Marketing Mobile B2B : Ciblage des communes couvertes et des lignes dans les zones ouvertes à la 5G. Création de rapports interactifs pour le pilotage de l’activité avec Tableau. Suivi des taux de transformation via des bivizz dédiés. Analyse et Reporting : Développement d’axes d’analyse pour les offres et technologies. Automatisation des KPIs pour les forces de vente. Technologies : SAS (base, SQL, macros, Entreprise Guide) / Tableau Software / MYSQL / PostgreSQL / Oracle

Objectif : Création d’un système d’information BI pour optimiser la gestion et la prise de décision. Actions clés : Collecte, traitement et modélisation des données pour les différents services. Création de requêtes multidimensionnelles et automatisation des mises à jour en temps réel. Fiabilisation des données référentielles pour garantir leur cohérence. Développement de tableaux de bord dynamiques pour simplifier la restitution des données (SQL, Power BI). Communication et accompagnement des utilisateurs dans l'exploitation des rapports. Résultats obtenus : Amélioration de l’accès aux données pour les équipes décisionnelles. Facilitation de la prise de décision stratégique grâce à des visualisations claires et efficaces. Outils : SQL/ Power BI

Objectif : Analyse et segmentation des portefeuilles clients pour optimiser la prise de décision stratégique. Actions clés : Collecte et nettoyage des données clients pour garantir leur fiabilité. Création d’une typologie des entreprises avec des méthodes de classification : Non-supervisée : Sélection des variables significatives via des algorithmes. Supervisée : Construction d’arbres de décision pour le scoring des clients. Application des techniques de statistique descriptive multidimensionnelle (AFC, ACM). Développement d’un modèle de décision en intégrant le datamining, machine learning et techniques de scoring. Résultats obtenus : Optimisation de la gestion des portefeuilles clients grâce à une segmentation fine. Mise en place d’un modèle décisionnel robuste pour améliorer les recommandations bancaires. Outils : R / SQL / VBA

•Faire une enquête sur les problèmes et les besoins énergétiques des différents consommateurs. •Lancer une étude statistique sur l’implantation des réseaux de télécommunications de la ville en se basant sur les cas de dérangements et des rattachements. Outils : SAS (SQL)

Minimisation du coût de la maintenance prédictive périodique d'un système de série parallèle en utilisant l'algorithme génétique Outils : Python