56 CLUSTERING AVANCÉ POUR LA SEGMENTATION COMPORTEMENTALE DES CLIENTS PFE

Contexte et objectifs

• Réaliser une segmentation comportementale avancée des clients de TUNISIE TELECOM afin d'identifier des segments exploitables (heavy data users, clients voix traditionnels, multi-services, clients dormants, etc.).
• Utiliser des techniques de clustering (K-Means, DBSCAN/HDBSCAN, GMM, Self-Organizing Maps) pour fournir une segmentation robuste permettant d'optimiser les campagnes marketing et l'expérience réseau.

Données et préparation

• Collecter et préparer des données clients : usage voix, SMS, data, ARPU, churn historique, historique de recharges, indicateurs d'engagement réseau, et autres variables disponibles.
• Réaliser une analyse exploratoire (feature engineering, normalisation, traitement des valeurs manquantes, réduction de dimension) et préparer des jeux de données exploitables pour le clustering.

Méthodologie et implémentation

• Implémenter et comparer plusieurs méthodes de clustering (K-Means, GMM, DBSCAN/HDBSCAN, Self-Organizing Maps) en expliquant les choix de preprocessing et de paramètres.
• Évaluer les clusters à l'aide de métriques de qualité (silhouette, Davies-Bouldin, stability metrics) et analyser la stabilité et la pertinence marketing des segments.

Visualisation et interprétation

• Visualiser les segments identifiés et produire des interprétations business claires (profils clients, comportement d'usage, valeur potentielle).
• Utiliser des outils de visualisation interactive (Power BI, Tableau, Python Dash) pour présenter les résultats aux équipes Marketing.

Livrables attendus

• Rapport analytique détaillé présentant les étapes, les résultats des différentes méthodes et des recommandations opérationnelles pour l'utilisation des clusters.
• Proposition d'un modèle de segmentation robuste, accompagné de scripts reproductibles (Python/R) et d'exemples de visualisations/dashboards.

Profil et compétences requises

• Formation : Ingénieur en Data Science, Statistiques, Télécommunications ou Génie Informatique, ou inscrit en mastère spécialisé en Big Data / Machine Learning / Data Mining / CRM analytique.
• Compétences techniques : maîtrise des algorithmes de clustering et de leur évaluation, compétence en Python/R et bibliothèques analytiques, expérience en outils de visualisation interactive (Power BI, Tableau, Python Dash).

Modalités pratiques

• Lieu : Direction Centrale des Affaires Commerciales & Marketing - Tunis.
• Durée : 4-6 mois.
• Pour candidater envoyer votre dossier à : Stages@tunisietelecom.tn en précisant la référence du projet dans l'objet du message.