Data Analyst BI

Intégration de l'équipe DSI (~10 personnes) du 1er bailleur social de France pour fiabiliser les données opérationnelles critiques en environnement Scrum.

• Analyse et résolution des tickets d'anomalies (Jira) sur les IHM internes : diagnostic fonctionnel/technique et priorisation par criticité.
• Rédaction de requêtes SQL avancées (CTE, fonctions analytiques, jointures complexes) pour reconstituer les flux de données et identifier les causes racines.
• Investigation des anomalies sur 4 périmètres métier : marchés, contrats, sinistres et commandes (doublons, ruptures, incohérences).
• Mise en place de contrôles qualité récurrents et documentation des règles de gestion métier.
• Collaboration avec les référents métier pour valider et améliorer continuellement les processus de fiabilisation.

Intégration de l'équipe DSI (~10 personnes) de l'entité B2B du groupe Orange pour piloter la fiabilisation de la chaîne de traitement des raccordements fibre et la gestion des incidents terrain.

• Conception d'un modèle de données unifié à partir des messages bruts d'incidents pour couvrir l'ensemble des cas de traitement.
• Développement de requêtes SQL complexes sur GCP/BigQuery pour le nettoyage, la normalisation et l'enrichissement des données.
• Création de colonnes calculées DAX et mise en place de mesures d'analyse avancées.
• Élaboration de rapports Power BI multi-pages dynamiques couvrant les KPI de délais, SAV et volumes d'incidents par typologie.
• Automatisation du suivi du stock d'incidents et détection des retards, aléas critiques et réparations non conformes.
• Documentation des logiques métiers et traitements dans Confluence.

Intégration de la DSI interne du Groupement Les Mousquetaires (Intermarché, Bricomarché…) pour optimiser le support technique (Hardware et Software) des points de vente du secteur retail/GMS.

• Développement de rapports Power BI dynamiques avec filtres avancés, mesures DAX et modèle en étoile alimentés via Power Query et SQL Server pour environ 30 utilisateurs métier.
• Automatisation des rapports mensuels, réduisant le temps de reporting de 30 %.
• Mise en place de contrôles qualité sur les flux critiques, diminuant les anomalies de 25 %.
• Exploitation de Python (Pandas, Scikit-learn) pour identifier des patterns récurrents sur les incidents support.
• Recueil des besoins métier en MOA/MOE en environnement Agile/JIRA et documentation des exigences dans SharePoint.
• Animation de formations Power BI auprès des utilisateurs finaux pour favoriser l'adoption.