2020 / Aujourd’hui

SOCIO DATA MANAGEMENT (Cabinet de Conseil en Data et Intelligence Artificielle)

SYFADIS

Data Engineer
Projet : Intégration Power BI
Power BI – MySQL – Airflow

Contexte :

Mise en place d’un outil de visualisation de données dans une application SAAS déployée chez les clients finaux.

Missions :

• Modélisation de la base de données.
• Mise en place de Power BI : intégration de Power BI dans l’application, gestion des droits d’accès (RLS : Row Level Security).
• Automatisation du traitement de la donnée : collecte, nettoyage, stockage et analyse.
• Industrialisation du processus.

Valeur ajoutée pour l’entreprise : 

• Accès plus efficace à la donnée pour les clients.
• Visualisation de données.

GROUPE ORIANS – Service financier

Data Engineer
Projet : Consolidation des outils internes
Power BI – Microsoft Azure – SQL Server

Contexte :

Différents outils sont utilisés en interne pour la gestion commerciale, la gestion des projets et la gestion des équipes.
Des intégrations manuelles et récurrentes de données provenant de ces outils alimentent la base de données de l’Intranet. De plus, aucune correspondance des données entre les outils n’existait jusqu’à maintenant. Par ailleurs, les informations remontées ne sont pas 100% correctes.

Missions :

• Analyse du besoin et conception : réunions, architecture des données.
• Amélioration de l’Intranet : ajout de nouveaux champs, optimisation du processus pour le métier.
• Automatisation des remontées des données des outils externes (outil commercial, gestion de projet…) vers la base de données de l’Intranet (Azure, SQL Server).
• Synchronisation des différents outils utilisés.
• Mise en place d’un Dashboard sur Power BI.

Valeur ajoutée pour l’entreprise : 

• Gain de temps.
• Homogénéisation des données.

2020 / 3 mois

BORYL (Web Analytics, Marketing)

Data Engineer
Projet : Automatisation des flux de données
Airflow – Python – Bigquery – Datastudio – Postgres

Contexte :

Un client de l’entreprise Boryl possède un site e-commerce. Pour attirer plus de trafic sur son site Internet et donc pour obtenir plus de conversions, ce client effectue des campagnes publicitaires sur différentes plateformes (Facebook, Snapchat, Instragram, Google).

Problématique/Enjeu :

Ce client souhaitait savoir si les campagnes réalisées sont rentables et analyser également d’autres KPIs intéressants pour une meilleure gestion du site e-commerce.

Missions :

• Automatisation (Airflow) de l’extraction des données issues d’APIs (Python), stockage (Bigquery) et analyse des données (Python).
• Mise en place de tableaux de bord (Datastudio).

Valeur ajoutée pour le client :

• Suivi journalier du ROI et des KPIs.
• Meilleure gouvernance pour les actions à entreprendre pour augmenter le chiffre d’affaires de l’entreprise.

Bénéfices pour Boryl :

• Fidélisation du client.
• Maintenance pour le client : CA mensuel.

2017 – 2020 / 3 ans

DIRECTION DES SYSTÈMES D’INFORMATION DU MINISTÈRE DES AFFAIRES ÉTRANGÈRES (Sous-Direction des Visas)

Business Intelligence Engineer
Projet : Business Intelligence
Digdash – SQL Server – HTML – CSS – Javascript

Contexte :

Avant mon arrivée, les métiers perdaient énormément de temps à exporter mensuellement et manuellement des rapports statistiques. De plus, les données remontées n’étaient pas totalement propres et cohérentes. Enfin, il n’y avait aucun dispositif, autre que des fichiers Excel, pour visualiser les données.

Problématique/Enjeu :

Les objectifs sont donc d’automatiser l’export des rapports statistiques mensuels, d’apporter une nouvelle vision concernant l’exploitation des données, de s’assurer de l’intégrité des données. Ainsi, une conduite du changement a été menée car un nouvel outil a été déployé et a changé les habitudes des utilisateurs finaux.

Missions :

• Mise en place de tableaux de bord et construction automatique des rapports statistiques (Digdash, SQL Server).
• Analyse du besoin et conception : réunions, maquettes du tableau de bord, architecture des données.
• Data Prep : phases de développement, de test et de mise en production : extraction, nettoyage et analyse des données, recette.
• Formation des utilisateurs finaux et maintenance du produit.
• Conduite du changement (documentation, réunions).

Valeur ajoutée pour l’entreprise : 

• Gain de temps dans l’exportation des données.
• Meilleure cohérence et gouvernance des données.
• Visualisation des données.