Data Analyst | Profil Technico-Fonctionnel

Intégration du projet OLAFE (Outil en Ligne d'Aide Financière aux Étudiants) en secteur universitaire afin de fiabiliser les flux de données étudiants et valider les échanges inter-systèmes sur l'ensemble du cycle de vie des aides financières.

• Analyse et validation des flux de données étudiants sur l'ensemble du cycle de vie : formulaires de demande de bourse, instruction des dossiers, paiements et inscriptions — contrôle de cohérence et détection des anomalies.
• Exécution et validation des APIs établissements via Postman et Swagger : vérification de l'intégrité des données échangées entre les systèmes universitaires, détection des écarts entre spécifications et comportement réel.
• Conception de cas de tests orientés données à partir des spécifications métier (Squash TM) : cartographie des règles de gestion, identification des données critiques, couverture des cas limites et scénarios de bout en bout.
• Production de reportings de campagnes de tests : taux de couverture, anomalies par module, statuts de correction.
• Suivi des incidents dans Jira et coordination avec les développeurs pour la résolution des anomalies de données.
• Participation active aux cérémonies Agile/Scrum : daily stand-ups, sprint reviews, retrospectives et contribution à l'amélioration continue des processus.

Accompagnement de la migration stratégique du système d'information SIGMA (IBM Mainframe → Open · Zenit Portage) en garantissant l'intégrité et la cohérence des données critiques de paiement et d'indemnisation pour un portefeuille d'allocataires en production.

• Analyse et contrôle de cohérence des données de paiement et d'indemnisation lors de la migration : requêtes SQL complexes sur de gros volumes de données critiques, détection et qualification des anomalies.
• Définition des règles de validation des données migrées en collaboration avec les équipes métier et architecture — garantie de l'intégrité des flux financiers des allocataires.
• Conception et exécution de plans de tests fonctionnels orientés données : couverture des flux de paiement, règles de gestion métier, référentiels et cas de bout en bout (Squash TM, Xray).
• Automatisation des contrôles d'intégration et formation des nouveaux collaborateurs aux outils d'analyse et de qualification des données.
• Production de tableaux de bord et reportings de suivi pour les comités de pilotage : avancement, taux d'anomalies, couverture fonctionnelle, indicateurs qualité.
• Assurance de l'interface permanente entre équipes métier, MOA et développeurs : qualification, priorisation et résolution des incidents de données — rédaction des rapports d'anomalies et plans de correction.

Contribution à l'optimisation des flux de souscription et gestion des comptes clients en assurant la qualité et la validité des données à travers les produits bancaires critiques (comptes courants, épargne, crédit).

• Analyse approfondie des spécifications fonctionnelles et traduction de celles-ci en règles de validation des données de souscription bancaire : identification des règles de gestion et des contraintes métier.
• Préparation et valorisation des jeux de données de test : modélisation des cas métier, identification des données sensibles, jeux de cas limites et scénarios de bout en bout sur les flux de souscription.
• Suivi et diagnostic des anomalies dans Jira : identification des causes racines par croisement de données, rédaction de rapports de défauts structurés et priorisation par impact métier.
• Production de dashboards qualité et indicateurs de couverture via Squash TM : taux de défauts, vélocité des campagnes, progression par module — restitution aux Product Owners et au management.
• Entretien de l'interface régulière avec les Product Owners et développeurs pour qualifier les données, affiner les règles métier et valider les corrections en environnement bancaire réglementé.

Pilotage des tests de charge et l'optimisation des applications épargne afin d'identifier les goulots d'étranglement et formuler des recommandations d'amélioration en conditions réelles de production.

• Mise en place et exécution de scripts de tests de performance avec LoadRunner : simulation de montées en charge sur les applications d'épargne en conditions réelles de production.
• Collecte, traitement et analyse des métriques de performance : temps de réponse, taux d'erreur, débit — visualisation des courbes de charge et identification des seuils critiques.
• Analyse des logs applicatifs pour corréler les comportements techniques observés avec les données métier — formulation de recommandations d'optimisation aux équipes développement et infrastructure.