Passer au contenu principal

EDF

Prédiction de charge des centres de contact
EDF par Agence Web Kernix

Client

EDF

Technos

Python
Prophet
LSTM

Années

2017 → 2018

Site

Application interne
En partenariat avec Capgemini, l’équipe Data Science de Kernix a travaillé sur le modèle de prévision de charge des calls center d'EDF.

Contexte

Leader mondial des énergies bas carbone, le groupe EDF rassemble tous les métiers de la production, du commerce et des réseaux d’électricité.

Les interactions entrantes d’EDF avec ses clients ont principalement lieu au téléphone, et leur nombre varie de manière importante.
 La prévision du volume de ces interactions téléphoniques permet notamment d’ajuster le nombre de ressources en centres de contact pour optimiser le ratio coût/accessibilité et assurer une bonne satisfaction client dans le respect des budgets.

 

Réalisation

Il s’agit d’estimer la demande quotidienne : le nombre d’appels relatifs à la Mobilité (les mises en ligne et résiliations suite aux déménagements) et à la Relation Courante (RC) (clients qui appellent pour des démarches, poser des questions, régler des factures…) à traiter chaque jour.

Face aux fortes évolutions de son environnement, notamment l’ouverture du marché à la concurrence, le modèle de prévision actuel d’EDF montre des limites.

Il y avait donc  2 objectifs dans ce projet : le client voulait simplifier le processus de prévision en estimant directement la demande journalière tout en améliorant les prévisions.

Résultat

Un audit du modèle actuel : les taux de demandes par point de livraison (PDL) à la maille hebdomadaire sont estimés grâce à un modèle de régression linéaire.

Une optimisation de ce modèle de régression linéaire en calculant directement la demande à la journée via un changement de fichier source, permettant une fiabilité plus importante et une réduction du temps de traitement.

Une exploration de ce qui pouvait être réalisé à l’aide de méthodes de prévisions de séries temporelles telles que les réseaux de neurones récurrents (LSTM) ou Prophet (librairie implémentée par Facebook).

Prochaine réalisation

Safran

Prédiction de mouvements d’un exosquelette

Safran

Prédiction de mouvements d’un exosquelette
Haut de page
Haut de page