Omar Dhouib

Projets réalisés :

1/ Projet d’extraction de données et développement d’une interface Excel :

Mise en place d’un outil interne à destination des agences pour la prospection de leurs clientèles

Tâches :

• Extraction automatique des données publiques : Web Scraping : annuaires téléphoniques (médecins, avocats …)

• Nettoyage de la base de données (> 70 000) : sélection de champs bien précis : Secteurs et nature de l’activité, coordonnées (Nom, Prénom, Numéro de téléphone, E-mail, Adresse postale)

• Liaison entre les adresses postales des prospects clients collectés aux agences de la banque pour les affecter à l’agence la plus proche de leur domicile => Programmation Python/Excel

• Développement d’une interface en Excel/VBA afin de permettre la visualisation des prospects de façon ordonnée sur trois niveaux : Agence, Secteur et Siège

Résultats : - Lorsqu’un conseiller d’une agence se connecte, l’outil lui permet d’avoir accès aux prospects de son agence.

- Les membres de chaque direction régionale peuvent consulter les prospects correspondants aux agences de la région.

- Les collaborateurs du siège peuvent visualiser la totalité des prospects.

Environnement technique :

Python – Selenium – Pandas – Excel - VBA

2/ Projet de Machine Learning :

Identification des clients potentiels susceptibles de demander un crédit immobilier

Tâches :

• Collecte de données de tous les clients éligibles : Clients particuliers

• Création d’une base de données et ajout des champs manquants à travers d’autres bases (.text/CSV) : ID, Âge, Ancienneté du client, Clients sains (classification), Agence, Segment (tranche de salaire), Employeur, Type(s) de compte(s), Mouvement sur les comptes (virement, chèque, versement), solde des comptes, colonne faisant apparaître si les clients ont eu un crédit en 2020.

• Nettoyage de la base créée en fonction de chaque champ : les clients sains, suppression des champs corrélés avec la matrice de corrélation (solde des comptes & des versements par exemple).

• Application des techniques Standard Scaler pour réduire les écarts entre les valeurs.

• Implémentation de quelques algorithmes de Machine Learning pour la classification des données.

• Utilisation de Grid-Search pour régulariser les hyperparamètres des algorithmes.

• Application de l’algorithme sélectionné : XGBOOST Classifier, sur la base des clients initialement créée, et modification de son résultat pour afficher la probabilité résultante de la classe.

• Identification de la probabilité minimale en respectant quelques conditions : pas plus de 3000 clients au total, avec 30 clients au maximum par gestionnaire.

Environnement technique :

Python – Pandas – Numpy – Matplotlib – Seaborn – Scikit-Learn - Excel

3/ Projet d’extraction et analyse de données :

Identification des zones et régions potentielles pour implanter de nouvelles agences physiques

Tâches :

• Extraction automatique des adresses de toutes les agences des 8 grandes banques en Tunisie (autres que l’UIB) : site de la banque centrale de Tunisie.

• Création d’une carte sur Google Maps contenant toutes les agences bancaires (code couleur).

• Collecte de données de l’activité monétique des cartes bancaires UIB sur les DAB et GAB des autres banques.

• Réalisation d’un tableau croisé dynamique indiquant pour chaque ville le nombre de DAB utilisés, le nombre d’opérations et la somme des montants.

• Sélection des villes où le nombre des opérations est très élevé.

• Comparaison de ces villes avec la carte créée.

• Identification de 3 régions potentielles.

Environnement technique :

Python – Selenium – Pandas – Excel

4/ Autres tâches et projets

1) Préparation, injection et suivi des campagnes LCP (Liste de contacts prioritaires) sur l’outil interne de la banque

Tâches :

• Participation au choix des campagnes LCP et la durée de chaque campagne

• Préparation des bases à injecter pour chaque campagne

• Injection des bases en automatique, avec un code VBA

• Suivi hebdomadaire de l’avancement des LCP

• Elaboration des statistiques pour chaque marché (particuliers, Pro, …)

Environnement technique :

Python – Pandas – Excel – VBA

2) Création, gestion d’habilitations et génération des statistiques des outils internes

Tâches :

• Génération des extractions et l’élaboration des statistiques de différents outils : outil Bienvenue permettant la gestion des comptes rendus des visites des clients, outil Conventionnel permettant la gestion des conventions avec les différents employeurs.

• Suivi et mise-à-jour de l’outil PNB permettant la visualisation du PNB d’un client saisi selon le périmètre de l’utilisateur.

• Mise en place d’un outil servant de baromètre pour les réactions des clients aux évolution des crédits + élaboration de statistiques

• Correction des bugs et gestion des habilitations des outils développés par notre entité : CAP, Bienvenue, LCP, PNB, Conventionnel

Environnement technique :

Python – Pandas – Excel – VBA

3) Création des tâches automatiques

• Elaboration et communication mensuelle au réseau le détail des clients inactifs et les clients qui sont en potentiel d’inactivité

• Collecte automatique de fichiers Excel d’une adresse mail générique, concaténation et envoie automatique de mails.

• Analyse et création d’un Dashboard pour les clients passés inactifs de façon automatique pour chaque mois.

• Extraction automatique des fichiers d’un site interne, et les stocker dans des dossiers bien déterminés.

Environnement technique :

Python – Selenium – Win32 – Pyautogui

4) Diverses analyses et études

• Etude de l’évolution des clients actifs-inactifs entre 2018 et 2020

• Analyse et comparaison de l’évolution du nombre de clients, comptes dépôts et engagements par employeur

• Déclassement des clients qui ont eu un crédit depuis 2017

• Activité des TPE (terminal …) par marché : rentabilité et flux cumulés

• Analyse des clients déclassés par Âge, Ancienneté, Employeur, …

• Analyse des encours rachetés par client : PPI & PPO

• Analyse des positions géographiques des agences de l’UIB : distances entre agences + volume du portefeuille

• Elaboration de statistiques at analyse pour les crédits smartphone - OOREDOO

Environnement technique :

Python – Pandas – Excel

Contexte du Projet :

Création d’un assistant virtuel pour l’un des clients de la startup

Tâches :

• Développement des actions réalisées par le chatbot.

• Contribution à la création des user cases.

• Implémentation de la RPA (Robotic Process Automation) via la librairie Selenium.

• Amélioration de la NLU en régularisant les hyperparamètres et en utilisant la cross validation.

Environnement technique :

Python – RASA – Selenium – Scikit-learn – Ubuntu – Visual Studio – Gitlab – NLP