Alternant(e) - chargé(e) d'études - support à la production

Intitulé du poste


Alternant(e) - Chargé(e) d'études - Support à la production

Description de la mission

À propos de nous

Rejoignez la Direction Expérience Client au sein du Service Client de SFR, où vous intégrerez une équipe dédiée à la performance des Parcours Client.

Notre mission : fournir une vision claire, accessible et actionnable de la performance des parcours, identifier les irritants clients, mesurer leur impact (réitération, churn, satisfaction) et piloter leur résolution via des indicateurs fiables et industrialisés.

Vos Missions

En tant que Data Analyst, votre rôle s'articule autour de deux axes majeurs :

1. Reporting & Pilotage de la Performance

1. Produire des reportings consolidés sur les parcours majeurs (front commercial, rétention, SAV, etc.).
2. Construire, automatiser et maintenir les KPI's de performance :Taux de réitérationContact rateTaux de churn post-contactDélai de résolutionNPS / CSAT
3. Industrialiser les tableaux de bord et fiabiliser les indicateurs.
4. Automatiser les flux de données et les mises à jour des reportings.
5. Accompagner les équipes métiers dans l'interprétation des indicateurs.

2. Analyse comportementale & Data Exploration

6. Analyser les comportements de contact clients :Profil des appelantsMotifs de contactFréquence et répétition d'appelsParcours en défaut
7. Identifier les corrélations entre irritants et churn.
8. Réaliser des analyses ad hoc pour orienter les décisions opérationnelles.
9. Détecter les signaux faibles et tendances émergentes.
10. Exploiter des données volumineuses issues du Big Data SFR.

Concrètement, vous serez amené(e) à :

11. Contribuer à l'évolution du modèle décisionnel et du datamart Parcours Client.
12. Optimiser les pipelines de données (SQL & Python).
13. Mettre en place des contrôles qualité (data quality checks, monitoring).
14. Développer des scripts d'automatisation (ETL, extraction, transformation).
15. Produire des analyses statistiques avancées (segmentation, scoring simple, tests de significativité).
16. Collaborer avec les équipes Data Engineering et Data Science.
17. Documenter les indicateurs et assurer leur gouvernance.
18. Participer à l'amélioration continue des méthodes d'analyse (AB testing, causalité, segmentation).

Profil

Profil recherché

19. Formation Bac+5 en statistiques, data science, mathématiques appliquées ou équivalent.
20. Expérience en environnement data volumineux (télécom ou service client apprécié).
21. Forte rigueur analytique et capacité de synthèse.
22. Capacité à vulgariser des résultats complexes auprès d'un public métier.
23. Autonomie, esprit collaboratif et orientation résultats.
24. Sensibilité aux enjeux Expérience Client et performance opérationnelle.

Compétences Techniques :

Manipulation & Analyse de Données

Python (fortement recommandé / indispensable)

25. Manipulation de données : pandas, numpy
26. Visualisation : matplotlib, seaborn, plotly
27. Analyse statistique : scipy, statsmodels
28. Machine Learning exploratoire : scikit-learn
29. Requêtage BigQuery : google-cloud-bigquery
30. Gestion de notebooks (Jupyter / Vertex AI Workbench)
31. Automatisation & scripting (cron, Airflow apprécié)
32. Tests statistiques (Chi2, t-test, régression logistique simple)
33. Gestion des données volumineuses (optimisation mémoire, vectorisation)

R (optionnel / apprécié)

34. dplyr, data.table, stringr, bigrquery

SQL & Environnement Cloud

35. SQL avancé :Jointures complexesAgrégations avancéesManipulation de dates
36. Expérience Google Cloud Platform :BigQueryCloud StorageVertex AI (apprécié)
37. Optimisation des requêtes et maîtrise des coûts BigQuery.

Data Visualisation

38. Tableau Desktop (création dashboards dynamiques).
39. Data storytelling orienté COMEX / Direction.
40. Capacité à transformer une analyse en message décisionnel.

Outils bureautiques

41. Excel de base :TCDMacro
42. PowerPoint (présentations exécutives).

Compétences différenciantes (atout fort)

43. Expérience sur des problématiques anti-churn.
44. Analyse de parcours client omnicanal.
45. Connaissance des environnements call center.
46. Approche orientée causalité (AB testing, uplift modeling).
47. Sensibilité aux sujets IA / analytics avancée.
48. Expérience en automatisation de reporting via Python.

Pourquoi nous rejoindre ?

49. Impact direct sur l'Expérience Client.
50. Données massives et problématiques stratégiques.
51. Interaction avec directions métiers & COMEX.
52. Environnement stimulant à forte valeur analytique.
53. Projets transverses à forte visibilité.