Cheikh Tidiane B.

→ Process Intelligence (Celonis)

Implémentation end-to-end, de la data à la valeur métier :

Process Mining & Object-Centric Process Mining (OCPM)

EMS, Knowledge Models, Context Model

Data connections & industrialisation des pipelines

Déploiement de use cases (P2P, O2C, Inventory)

→ SAP Data & AI

Du contexte data à la conception de solutions intelligentes :

SAP Business Data Cloud & Datasphere

SAP BTP, HANA Cloud, SAP Analytics Cloud

S/4HANA, MDG

→ Data & Enterprise Architecture

Conception d’environnements data modernes et scalables :

Architectures data SAP / non-SAP

Migration (SAP HANA HEC → HANA Cloud)

Gouvernance, qualité et intégration des données

Automatisation et solutions analytiques enterprise

→ Tech Lead Celonis – Expérience terrain

Pilotage d’implémentations complexes Celonis

Refonte des architectures data et migrations

Développement d’applications métiers (AR/AP, monitoring, optimisation)

Projet majeur chez TotalEnergies (finance : P2P, O2C, Inventory)

Banque spécialisée dans le financement et les services automobiles pour les marques Renault, Nissan et Mitsubishi.

• Prédiction de la valeur résiduelle :

• Estimation de la valeur marchande des véhicules pour les offres de leasing.

• Migration de l'outil de prédiction des valeurs résiduelles d'Amazon Web Services vers Google Cloud Platform.

• Utilisation de technologies cloud : Vertex AI, BigQuery, GCS, Composer, Dataproc, Airflow, Cloud Functions, Amazon SageMaker.

• Participation aux comités de projet et validation technique des modèles avec la BCE.

• Participation aux comités de projet et validation technique des modèles avec la BCE.

• Modèles prédictifs pour le marketing et les risques:

• Développement de modèles prédictifs pour les filiales de Mobilize Financial Services.

• Analyse des besoins métiers, conception et déploiement des modèles d'apprentissage automatique.

• Collaboration avec les devops et data engineers pour l'industrialisation des modèles.

• Présentation des solutions aux filiales et déploiement sur Google Cloud Platform.

• Modélisation et amélioration des scores d'appétence et d'attrition avec des méthodes ensemblistes, svm, réseaux de neurones ... (python, dataiku, sas)

• Réalisation d'études data et machine learning pour analyser le comportement client à des fins d'optimisation des opérations commerciales

• Prévision des tendances de la production du crédit renouvelable (séries tem porelles)

• Contrôle de la qualité et fiabilisation des données utilisées

• Veille sur les nouvelles approches (détection d'anomalies / de fraudes)

• Amélioration des modèles grâce à une approche « Test and Learn »

• Utilisation des solutions de Data Visualisation pour rendre compte des résul tats obtenus et mesurer leurs impacts