Data Analyst - Chef de Projet Data

Intégration dans l'équipe décisionnelle du Groupe Crédit Agricole pour piloter la conception d'un outil centralisé de gestion du risque opérationnel à l'échelle du groupe.

• Pilotage en Agile/Scrum du développement de la plateforme de centralisation et d'harmonisation du risque opérationnel.
• Collecte et formalisation des besoins métiers auprès des directions, rédaction des spécifications fonctionnelles, user stories et modèles de données (MCD/MPD).
• Conception de l'architecture DWH avec implémentation du pattern SCD Type 2 pour l'historisation des dimensions, garantissant la traçabilité et l'auditabilité des données.
• Mise en place d'un contrôle qualité bicouche : validation du format, longueur et champs obligatoires en couche STG ; vérification de l'intégrité référentielle et cohérence métier en DWH.
• Orchestration des tests d'intégration ETL, de la recette fonctionnelle et de la mise en production.
• Accompagnement de l'équipe de développement dans la résolution de problématiques techniques et fonctionnelles.
• Conception de tableaux de bord Power BI avancés pour le reporting réglementaire du risque opérationnel destiné à la Banque Centrale Européenne (BCE).

Intégration dans l'équipe data du département Achats pour gouverner et analyser les données d'approvisionnement multi-sources auprès de 5 directions métiers.

• Intégration et qualification des données achats en provenance de multiples sources, standardisation des formats et résolution des incohérences.
• Développement de 20+ tableaux de bord Power BI couvrant le suivi budgétaire, l'analyse des dépenses achats et le reporting destiné à la direction générale.
• Automatisation des rapports de clôture trimestrielle, générant un gain de 3 jours par trimestre sur le cycle de consolidation financière.
• Modélisation de l'architecture dimensionnelle en schéma en étoile et optimisation des requêtes SQL pour améliorer les performances analytiques.
• Formation et support de 30+ utilisateurs métiers sur la plateforme Power BI, assurant l'adoption et l'autonomie.

Intégration dans l'équipe data d'IDEMIA pour mettre en place une plateforme analytique harmonisée couvrant 15 sites internationaux.

• Collecte des besoins métiers auprès des 15 sites internationaux et formalisation des spécifications fonctionnelles et KPIs métier.
• Transformation et modélisation des données en utilisant dbt et Azure SQL Database, construction des tables de faits et dimensions en schéma en étoile prêtes pour le reporting analytique.
• Optimisation des transformations dbt en implémentant des matérialisations incrémentales, des agrégations SQL avancées et des tests automatisés (not_null, unique, relationships) pour assurer un contrôle continu de la qualité des données.
• Construction et déploiement de la suite Power BI sur les 15 sites, harmonisation des rapports, mise en place d'une gouvernance centralisée et formation des référents locaux.
• Automatisation des processus de reporting via Power Automate et dbt, réduisant de 60% le temps de production hebdomadaire des analyses.

Intégration dans l'équipe commerciale pour mettre en place un système de suivi analytique des KPIs commerciaux et du pipeline de vente à destination de 80 collaborateurs.

• Conception et développement de tableaux de bord Power BI couvrant les KPIs commerciaux pour 80 collaborateurs, actualisés hebdomadairement et pilotés par la direction commerciale.
• Optimisation des modèles de données SQL pour améliorer les performances des dashboards et réduire les temps de requête.
• Restitution des analyses en CODIR via des présentations synthétiques, orientant les décisions tarifaires et la stratégie terrain.

Pilotage de la qualité des données et développement de modèles prédictifs pour l'optimisation de la production manufacturière.

• Conception et implémentation d'un processus de contrôle qualité des données en Python (pandas), réduisant de 30% les anomalies détectées via une vérification automatisée.
• Développement de modèles prédictifs Python basés sur les séries temporelles pour les prévisions de production, améliorant la fiabilité des plannings à 85%.
• Création de tableaux de bord KPIs Power BI pour le pilotage opérationnel de la direction générale.

Intégration pour analyser les besoins métiers de pilotage de projets et mettre en place un système de reporting analytique.

• Analyse des besoins métiers, modélisation des structures de données en SQL et création de tableaux de bord Power BI pour le pilotage des projets.
• Suivi des KPIs projets et restitution des analyses aux équipes opérationnelles.