Semaine 2

L'accent a été mis sur les informations tirées des données : les équipes ont examiné les analyses du site Web existant de Venchi afin de comprendre le parcours des clients, les préférences des utilisateurs et les produits les plus performants aux États-Unis et en Europe. Elles ont également comparé les vitrines numériques de Venchi à celles de ses principaux concurrents afin d'identifier ses forces, ses faiblesses et de nouvelles opportunités.

Semaine 3

À l'aide de recherches et d'analyses, les équipes ont élaboré des propositions de refonte complètes, en alignant leurs recommandations sur la stratégie de marque haut de gamme de Venchi tout en garantissant la faisabilité technique de leur mise en œuvre. Leurs présentations finales ont fourni des mesures claires et pratiques pour améliorer la visibilité, la conversion et la valeur moyenne des commandes sur les plateformes de commerce électronique internationales de Venchi.

Semaine 2

En collaboration avec les mentors de SIXT, les équipes ont développé et validé un modèle prédictif de tarification KNN, en exploitant les données historiques pour estimer le prix optimal à proposer aux chauffeurs afin qu'ils acceptent les courses. Parallèlement, elles ont conçu des leviers comportementaux et incitatifs visant à améliorer l'efficacité de la mise en relation.

Semaine 3

Les équipes ont présenté leurs conclusions et leurs recommandations à la direction de SIXT ride, en présentant un dossier stratégique décrivant les étapes de mise en œuvre et les plans d'atténuation des risques, fournissant ainsi à l'entreprise des informations exploitables pour stimuler une croissance durable du marché.

Semaine 2

Avec le soutien des mentors de Talan, les équipes ont créé des profils détaillés représentant différents segments d'employés. Les étudiants Masteront élargi la recherche en s'appuyant sur les informations issues des réseaux professionnels, des plateformes publiques de commentaires et des données pertinentes du secteur afin d'approfondir leurs conclusions.

Semaine 3

Les équipes ont présenté leurs personas et leurs recommandations stratégiques à la direction de Talan, en mettant l'accent sur des moyens concrets d'améliorer l'expérience des employés et de favoriser leur engagement à long terme. Les idées les plus prometteuses ont été mises en avant pour leur potentiel à favoriser une culture d'entreprise positive.

‍

Semaine 2

Pour approfondir leur analyse, les équipes ont sélectionné des domaines spécifiques à examiner en détail. Elles ont étudié les obstacles à l'adoption de l'IA, tels que les préoccupations éthiques et l'inertie institutionnelle, et ont recherché des études de cas concrets d'intégration de l'IA. Les équipes ont également défini les compétences et les besoins en formation nécessaires pour les enseignants et les étudiants.

Semaine 3

La dernière semaine était axée sur l'avenir : les étudiants ont synthétisé les informations issues des données ouvertes, de la recherche et de l'analyse des tendances afin de concevoir des scénarios d'apprentissage visionnaires basés sur l'IA. Ils ont présenté leurs concepts sur la manière dont l'IA pourrait transformer l'éducation d'ici 2030, en soulignant à la fois le potentiel et les écueils d'un écosystème académique axé sur l'IA.

Semaine 2

Avec le soutien des mentors de Carrefour, les équipes ont analysé les modèles de tarification, les stratégies promotionnelles et les cadres logistiques. Les étudiants ont élaboré des stratégies fondées sur des données afin d'optimiser les coûts, d'améliorer les marges et de maximiser l'acquisition de clients.

Semaine 3

Les équipes ont présenté leurs recommandations stratégiques à la direction de Carrefour Espagne, en mettant l'accent sur des plans concrets visant à améliorer la rentabilité, à rationaliser les opérations et à positionner la nouvelle e-commerce pour assurer son succès à long terme.

Semaine 2

Avec l'aide de mentors issus de l'entreprise, les étudiants ont identifié les principaux segments de clientèle et conçu des stratégies de campagne par e-mail sur mesure. Ils ont utilisé les données recueillies pour personnaliser les messages et les incitations visant à accroître l'adoption du site web et à maximiser le potentiel de vente.

Semaine 3

Les équipes ont présenté leurs propositions de campagnes d'e-mails basées sur les données à un panel de responsables de Descours & Cabaud, en mettant l'accent sur l'impact mesurable et la facilité de mise en œuvre. Les stratégies les plus convaincantes ont été retenues pour être testées dans le cadre de marketing digital prochaine marketing digital de l'entreprise.

Semaine 2

Sous la houlette de l'équipe marketing d'EBRA, les étudiants ont développé des modèles analytiques afin d'identifier les facteurs à l'origine des absences des participants et de déterminer les segments présentant le plus fort potentiel de fidélisation. Les équipes ont réfléchi à des stratégies d'acquisition et de fidélisation adaptées à chaque canal.

Semaine 3

Les équipes ont présenté à la direction d'EBRA Events des recommandations marketing étayées par des données, axées sur des tactiques concrètes visant à optimiser l'acquisition, à minimiser les absences et à fidéliser durablement les participants. Les propositions les plus percutantes ont été sélectionnées pour être développées et mises en œuvre.

Semaine 2

Guidées par les mentors de SEB, les équipes ont élaboré des modèles analytiques afin d'identifier les principaux facteurs d'émission et d'évaluer les progrès réalisés. Elles ont traduit les informations tirées des données en stratégies concrètes et réalisables visant à réduire l'empreinte carbone de l'entreprise.

Semaine 3

Les équipes ont présenté leurs visualisations et leurs recommandations stratégiques à un panel de responsables SEB et d'experts en développement durable. L'équipe gagnante s'est distinguée par la clarté et l'impact de ses propositions, ce qui lui a valu une reconnaissance et une invitation à discuter de la mise en œuvre du projet.

Semaine 2

Sous la supervision des professionnels d'Indosuez, les équipes ont conçu des cadres analytiques intégrant le traitement du langage naturel, des systèmes de notation et la cartographie des relations. Les étudiants ont traduit les résultats de l'analyse des données en propositions stratégiques de développement commercial.

Semaine 3

Les équipes ont présenté leurs outils numériques et leurs recommandations en matière de croissance à un jury composé de dirigeants d'Indosuez. bachelor premier cycle a été invitée au siège de la banque pour participer à une session de brainstorming collaborative axée sur la mise en œuvre concrète.

Semaine 2

Guidées par les commentaires de l'ONU, les équipes d'étudiants ont joué le rôle de groupes d'utilisateurs clés (journalistes, diplomates, chercheurs, étudiants) afin de cartographier leurs flux de travail, de tester la plateforme et d'identifier les points faibles en matière d'ergonomie. Les équipes ont conçu et distribué des enquêtes sur mesure afin de cerner les besoins réels des utilisateurs.

Semaine 3

Les étudiants ont synthétisé les résultats de l'enquête et l'analyse de la plateforme pour formuler des suggestions concrètes d'améliorations des fonctionnalités et des processus. Les équipes ont présenté leurs conclusions et leurs recommandations à un jury composé de membres du personnel du HCDH, et la solution la plus percutante et la plus réaliste a été désignée comme le BDD gagnant.

Semaine 2

Les équipes, guidées par les commentaires des professionnels de Google, ont élaboré des modèles de notation, analysé la saturation de la concurrence et estimé les coûts d'acquisition à l'aide de techniques avancées de traitement des données.

Semaine 3

Les équipes d'étudiants ont présenté leurs stratégies de commercialisation et leurs recommandations à un jury composé de responsables de Google, et la solution la plus percutante a été désignée gagnante.

Semaine 2

Les équipes, guidées par les spécialistes des données et des activités de Sense Reply, ont analysé des données énergétiques complexes et développé machine learning afin de détecter les anomalies de consommation.

Semaine 3

Les équipes d'étudiants ont présenté leurs solutions techniques et leurs recommandations commerciales aux experts de Sense Reply et Albert School . Les meilleures équipes ont été retenues pour des stages et une collaboration future.

Semaine 2

Les équipes, soutenues par les experts en produits et données de SwissBorg, ont développé des solutions basées sur les données afin de rationaliser l'intégration, d'améliorer le processus KYC et de concevoir des offres groupées efficaces en matière de cryptomonnaies.

Semaine 3

Les équipes d'étudiants ont présenté leurs recommandations et leurs stratégies de regroupement basées sur l'IA aux dirigeants de SwissBorg, qui ont sélectionné les idées les plus prometteuses pour les développer davantage.

Semaine 2

Les équipes, soutenues par les experts en ressources humaines et en données du groupe Grandir, ont conçu et testé des algorithmes de sélection basés sur l'IA et ont exploré des améliorations de processus.

Semaine 3

Les équipes d'étudiants ont présenté leurs recommandations basées sur des données et leurs outils d'IA aux dirigeants du groupe Grandir, qui ont sélectionné les solutions les plus efficaces pour être mises en œuvre.

Semaine 2

Les équipes ont travaillé ensemble, avec le soutien des experts en données et en affaires de Valrhona, afin d'étudier les facteurs de performance et d'élaborer des recommandations.

Semaine 3

Les équipes d'étudiants ont présenté leurs analyses et proposé des plans d'action aux dirigeants de Valrhona, qui ont sélectionné les stratégies les plus prometteuses.

Semaine 2

Les équipes d'étudiants ont présenté leurs conclusions et leurs recommandations aux dirigeants de Carrefour Voyages sur le campus de Paris, qui ont sélectionné les stratégies les plus efficaces.

Semaine 3

Les équipes d'étudiants ont présenté leurs solutions pour optimiser la planification des effectifs aux dirigeants de Moncler, qui ont sélectionné l'approche la plus efficace.

Semaine 2

Les équipes ont élaboré des stratégies de planification des effectifs, avec l'aide d'ateliers animés par les experts en données et en affaires de Moncler.

Semaine 3

Les équipes d'étudiants ont présenté leurs solutions pour optimiser la planification des effectifs aux dirigeants de Moncler, qui ont sélectionné l'approche la plus efficace.

Semaine 2

Les étudiants se livrent à une analyse pratique, en se concentrant sur le fonds qui leur a été attribué. Avec l'aide d'un atelier, ils explorent les facteurs qui influencent la performance du fonds et réfléchissent à des stratégies pour améliorer l'efficacité de la collecte.

Semaine 3

Les étudiants présentent leurs stratégies pour optimiser la collecte de fonds, y compris des recommandations ciblées telles que la focalisation sur des régions spécifiques comme l'Allemagne. L'efficacité de leurs propositions est évaluée et une équipe gagnante est désignée.

Semaine 2

Les étudiants décident de la meilleure méthodologie et de la meilleure configuration pour le test. Ils se plongent dans les données fournies par Google, traduisant leurs connaissances académiques en solutions pratiques soutenues par un atelier organisé par l'entreprise.

Semaine 3

Les élèves présentent leurs conclusions et les résultats de leur test, en discutant des implications pour l'entreprise et en formulant des recommandations stratégiques pour les étapes futures.

Semaine 2‍

Après l'analyse exploratoire des données, Benoît et son équipe retournent à l'Albert School pour un atelier approfondi sur la création de persona, la modélisation prédictive et l'affinement des stratégies de résolution de problèmes.

Semaine 3

La dernière semaine est consacrée à la stratégie et à la communication. Les étudiants élaborent des feuilles de route stratégiques pour revitaliser le marché sud-coréen, en présentant leurs idées novatrices lors d'une présentation succincte et percutante, à l'issue de laquelle une stratégie gagnante est sélectionnée.