SUEZ fournit des services et des solutions pour la gestion de l’eau, le traitement des déchets et la valorisation des ressources.
Stagiaire Analyste Données & Supervision Technique H/F
Am I a fit — voir ma compatibilitéCe stage chez SUEZ, à Dijon, porte sur l’analyse des données de ticketing et de gestion de projets. La mission inclut la création de tableaux de bord interactifs sous Power BI et l’étude de cas d’usage d’intelligence artificielle pour la gestion des alarmes de supervision. Le stagiaire contribuera notamment à la détection d’anomalies et à la réalisation d’une preuve de concept.
Repères sur SUEZ
- Domaine officiel
- suez.com
- Offres ouvertes
- 212
Détails de l’offre
La description complète publiée par SUEZ.
Vos principales missions
seront les suivantes : Mission 1 – Analyse des données de ticketing et de gestion de projets
- Analyser et structurer les données issues du système de ticketing, des outils de gestion de projets et des plannings.
- Définir et mettre en place des indicateurs de suivi de l’activité, de performance et de charge de travail.
- Construire des indicateurs tels que : nombre de tickets créés, en cours, clôturés et en retard ; délais de prise en charge et de résolution ; répartition des tickets par projet, type de demande, priorité ou équipe ; charge planifiée, charge consommée et capacité disponible ; taux de charge par collaborateur, équipe, projet ou période ; suivi de l’avancement et du respect des jalons projets.
- Développer des tableaux de bord interactifs sous Power BI.
- Participer à la création, à l’analyse et à l’amélioration des plannings projets.
- Proposer des recommandations pour améliorer la qualité des données, le pilotage de l’activité et la gestion de la charge. Mission 2 – Étude de cas d’usage IA pour la gestion des alarmes de supervision
- Analyser les alarmes générées par les systèmes de supervision. Étudier la qualité, la structure et l’homogénéité des données disponibles.
- Identifier les alarmes redondantes, incohérentes, non normalisées ou insuffisamment qualifiées.
- Proposer une nomenclature harmonisée des alarmes et des types d’alarmes. Étudier des cas d’usage d’intelligence artificielle, par exemple : classification automatique des alarmes ; regroupement d’alarmes similaires ; détection d’anomalies ou d’alarmes inhabituelles ; identification des alarmes les plus fréquentes ou les plus critiques ; aide à la priorisation et à l’analyse des causes récurrentes.
- Réaliser une preuve de concept sur un ou plusieurs cas d’usage identifiés.