Roberto Carlos Tientcheu

Contexte : environnement multi-sites avec forte variabilité de la demande et complexité de coordination entre production, stock et distribution nécessitant une vision consolidée en temps réel.

• Amélioration du forecast accuracy de 85 % à 93 % (+8 points) via segmentation ABC/XYZ, modélisation statistique avancée et intégration des signaux promotionnels.
• Réduction des ruptures de 15 % à 7 % (-53 %) grâce à l'optimisation dynamique des stocks de sécurité et à un système d'alertes précoces.
• Génération de 59 000 € d'économies annuelles (projets Lean, optimisation des plans de transport, réduction des émissions de CO₂).
• Prévention de 8 ruptures critiques représentant 45 000 € de chiffre d'affaires préservé.

Réalisations S&OP

• Pilotage de 12 cycles S&OP complets : consolidation des prévisions multi-sources, analyse historique des ventes, simulations capacitaires, arbitrages production et stocks.
• Création de 5 tableaux de bord Power BI connectés à SAP et Sage X3 pour le comité de direction (OTIF, coûts logistiques, rotation des stocks, alertes ruptures).
• Animation des revues demand planning avec les équipes commerciales et supply, ajustement des prévisions selon les retours terrain.

Amélioration continue

• Réduction de 12 % des émissions de CO₂ via optimisation des plans de transport (consolidation des chargements, réduction des trajets à vide).
• Hausse du taux de remplissage des camions de 68 % à 85 % (+17 points) grâce à l'analyse des flux et la révision des fréquences de livraison.
• Réduction de 9 % du temps de préparation des commandes par restructuration des flux de picking et réorganisation des zones de stockage.

Données exploitées : historiques transactionnels SAP (commandes clients, mouvements de stock, production), données commerciales (pipeline ventes, promotions), données logistiques (délais de transport, taux de service fournisseurs).

Défi : reporting manuel consommant 6 heures par semaine, données fragmentées entre SAP S/4HANA et Sage X3, absence de vision consolidée temps réel des performances supply chain.

• Construction de 10 tableaux de bord Power BI connectés à SAP S/4HANA (modules MM, PP, SD) et Sage X3 via pipelines ETL automatisés.
• Création d'un modèle de données en étoile (tables de faits commandes, stocks, livraisons ; dimensions produits, clients, temps, sites) et transformations avancées avec Power Query M.
• Développement de mesures DAX complexes (time intelligence YTD, MoM, moyennes glissantes, détection d'anomalies statistiques, indicateurs dynamiques).
• Participation à 6 cycles S&OP : suivi du MAPE par famille de produits, identification des risques de rupture et de surstock, consolidation des données commerciales.

Résultats : temps de reporting réduit de 70 % (6 heures à 1 heure 30 par semaine), élimination des erreurs de saisie manuelle, adoption par plus de 15 utilisateurs (direction, supply planning, commercial, finance).

Données exploitées : tables transactionnelles SAP (VBAK, VBAP, MARA, MARC, EKKO, EKPO), base Sage X3 (inventaire, MRP, ordres de fabrication), fichiers Excel commerciaux consolidés.

Mission : modélisation de l'impact des risques macroéconomiques (inflation, taux de change, disruptions logistiques) sur les chaînes d'approvisionnement humanitaires dans les pays en développement.

• Analyse de bases de données multinationales (séries temporelles de prix, indices d'inflation, taux de change, coûts logistiques) et données opérationnelles du PNUD (achats, délais de livraison, stocks).
• Construction d'indicateurs de risque composites et modélisation de scénarios d'impact (stress tests, simulations Monte Carlo).
• Production de 2 notes stratégiques pour les unités économiques et financières avec recommandations opérationnelles.
• Développement d'un cadre d'analyse risque-pays pour le sourcing et le prépositionnement des stocks.

Données exploitées : bases FMI (IFS), Banque mondiale (WDI), données douanières (UN Comtrade), bases transactionnelles achats PNUD, données logistiques humanitaires (WFP).

Pilotage de programmes de formation professionnelle multi-bailleurs (budget cumulé 1,2 M€).

• Création de bases de données relationnelles Excel normalisées pour 4 projets et automatisation de 4 rapports mensuels via Google Apps Script.
• Conception de cadres de performance financiers et opérationnels : taux d'exécution budgétaire, respect du calendrier, indicateurs qualité des formations.
• Support décisionnel aux comités de pilotage avec analyse des écarts et recommandations d'ajustement.

Données exploitées : bases de gestion de formation (inscriptions, présences, évaluations), données financières (engagements, facturation, paiements), tableaux de suivi de projet.