Supply Chain Manager

Supply Chain Manager chez Samsung Electronics sur le secteur des produits de stockage (PSSD, SSD, clés USB), au sein d'une équipe pilotant l'optimisation des flux logistiques et la performance produits.

• Élaboration de prévisions de demande fiables en appliquant des méthodologies avancées d'analyse de données.
• Suivi opérationnel des flux logistiques depuis les sites de production jusqu'aux clients finaux.
• Coordination des arrivages et gestion des incidents liés au transport et aux systèmes d'information (SAP, GSCM).
• Identification et proposition de leviers d'amélioration des processus supply chain.
• Déploiement d'outils d'analyse et d'automatisation (Power BI, Python) pour optimiser la performance.
• Pilotage de l'analyse et de la communication des reporting d'activité (KPI stock, ruptures, reste à vendre, atterrissage).
• Ajustement des volumes de stockage en fonction des contraintes marché et des objectifs stratégiques.

Ingénieur supply chain et administration des ventes, contribuant à la gestion opérationnelle et administrative des flux commerciaux et logistiques.

• Élaboration des prévisions de ventes (selling/sellout) en coordination avec les Key Account Managers sur le périmètre assigné.
• Alertes sur les niveaux de stocks et suivi des situations clients critiques.
• Intégration et analyse des données de stocks et de ventes clients pour piloter la demande.
• Suivi du chiffre d'affaires sur le périmètre de responsabilité.
• Garantie de la conformité des livraisons au plan établi.
• Gestion des commandes (réception, suivi, déblocage) et coordination des prises de rendez-vous avec les sites clients.
• Création et optimisation d'outils internes d'aide à la décision.
• Participation à la création et l'entretien du matériel de formation interne de l'équipe.

Stage d'application au sein d'une usine de production cimentière, en charge d'optimiser la consommation énergétique du réseau d'air comprimé.

• Analyse du fonctionnement du réseau d'air comprimé pour identifier les sources de consommation excessive.
• Application des méthodologies Lean Management et Six Sigma (démarche DMAIC) pour structurer l'amélioration.
• Proposition d'actions d'optimisation visant à réduire la consommation énergétique.

Développement d'un outil d'aide à la décision pour optimiser les prévisions de demande de phosphate dans un environnement de production et de logistique complexe.

• Conception et déploiement de modèles prédictifs de la demande journalière de phosphate en utilisant des techniques de machine learning avancées.
• Développement d'une application permettant l'ajustement automatique des prévisions en fonction de la demande réelle observée.
• Manipulation et exploration des données avec Python (Numpy, Pandas) pour préparer les datasets d'entraînement.
• Test de plusieurs algorithmes de machine learning (Random Forest, XGBoost, Linear Regression) pour identifier le modèle le plus performant.
• Création de visualisations avec Matplotlib et Seaborn pour explorer les patterns de demande et valider les résultats.
• Intégration des prédictions dans une interface Power BI pour une accessibilité accrue aux utilisateurs métier.