Taoufik Najah

• Développement d’un modèle de scoring d’appétence intégrant données financières, sectorielles, géographiques et digitales pour prioriser les prospects à fort potentiel. • Déclinaison du scoring en scénarios opérationnels d’activation commerciale, présentés à la Direction d’Animation Réseau (DAR) via des restitutions visuelles claires et actionnables. • Migration et refonte des traitements Qlik (ETL) vers Dataiku, avec conception et automatisation de workflows analytiques robustes, renforçant l’industrialisation, la qualité des données et la fiabilité des livrables. • Analyse descriptive du portefeuille industrie : distinction clients/prospects, segmentation par secteur (NAF), zone géographique, taille et produits, calcul des taux de pénétration.

• Conception et pilotage de bout en bout d’un moteur de personnalisation des offres promotionnelles, projet stratégique complexe impactant le CRM et le site de commande en ligne CoursesU, basé sur le machine learning (collaborative filtering, clustering, modèles prédictifs). • Développement d’un modèle de Marketing Mix Modeling (MMM) avec le logiciel spécialisé MASS Analytics, afin de mesurer l’efficacité des investissements marketing (TV, digital, promotions) et optimiser l’allocation budgétaire. • Mise en place d’indicateurs de pilotage du Plan d’Action Commerciale, permettant d’optimiser la performance produits et l’alignement de l’offre aux besoins clients. • Automatisation et industrialisation des reportings via workflows Dataiku et dashboards MicroStrategy.

• Enseignement de l’économétrie (modèles linéaires simples et multiples, tests d’hypothèses, prévision statistique) en Licence 3 Sciences Économiques et de Gestion. • Encadrement d’étudiants dans leurs stages et projets tuteurés, avec un focus sur l’analyse statistique et la méthodologie de recherche.

• Développement et déploiement de modèles de scoring avancés (appétence produits/contrats, risque de déménagement) intégrés en production pour soutenir la stratégie commerciale. • Refonte de modèles économétriques de prévision de consommation énergétique, améliorant significativement la précision des estimations individuelles de gaz et d’électricité lors de l’inscription des nouveaux clients. • Exploitation de la Voix du Client (VoC) grâce à l’analyse sémantique des retours (formulaires, réclamations web, chats), afin d’identifier les irritants clients et améliorer l’expérience utilisateur. • Conception d’une application cartographique interactive (R Shiny/Leaflet) offrant une vision géographique du portefeuille Gaz & Électricité et servant de support décisionnel aux équipes métier. • Maintenance et évolution du datamart client, incluant intégration mensuelle des scores et optimisation des structures de données.

• Audit et validation d’une base de données internationale avant intégration dans le datawarehouse (contrôles qualité et intégrité). • Analyses ad-hoc et segmentations clients pour optimiser le ciblage marketing et la personnalisation CRM.

• Automatisation et fiabilisation d’un modèle de scoring prédictif sur les baisses de consommation. • Rédaction de spécifications fonctionnelles et guides utilisateurs pour accompagner l’industrialisation et l’appropriation métier.

• Analyses clients et profiling pour affiner le ciblage marketing et orienter les campagnes commerciales. • Développement et industrialisation de reportings automatisés pour fiabiliser le suivi de l’activité. • Modélisation budgétaire des ventes (Dalloz, Éditions Francis Lefebvre, Éditions Législatives) en collaboration avec le marketing et le contrôle de gestion. • Coordination métier-IT pour intégrer les outils analytiques aux processus décisionnels.

• Consolidation et fiabilisation des données de ventes, afin de fournir une vision unifiée et exploitable. • Conception et automatisation d’un reporting stratégique sur les comportements d’achat et habitudes de consommation. • Développement d’une maquette Excel avec indicateurs clés, utilisée par les directions métier pour le suivi des ventes.

• Validation et fiabilisation d’un score prédictif identifiant les clients susceptibles de changer de véhicule. • Analyse des profils et comportements d’épargne Prévoyance pour concevoir des offres adaptées. • Modélisation de la Customer Lifetime Value (CLV) pour identifier les leviers de valeur future des clients

• Analyse de l’équipement des particuliers en produits bancaires et segmentation clients. • Benchmark concurrentiel pour orienter les caisses régionales. • Développement et automatisation de reportings et d’outils interactifs (VBA/Excel). • Études statistiques et marketing pour appuyer la prise de décision.