Consultante Data

Intégration du programme Edvance d'EDF pour concevoir et déployer un référentiel de données maîtres (MDM) multi-sources couvrant un périmètre de 3 000 à 5 000 entités, en coordination avec les équipes métiers et IT.

• Conception et déploiement d'un référentiel de données maîtres (MDM) multi-sources couvrant 3 000 à 5 000 entités.
• Définition de politiques et standards de gouvernance des données (nommage, ownership, cycle de vie) pour améliorer la fiabilité et l'accessibilité des données.
• Coordination de la gouvernance des données entre plusieurs équipes métiers pour garantir la cohérence, la traçabilité et l'alignement des référentiels.
• Mise en œuvre d'un programme de Data Quality via SQL et Python, avec résolution de plus de 1 000 incohérences et amélioration de la qualité des données de 30 %.
• Définition de règles et critères de qualité des données intégrés dans les processus métiers transverses.
• Conception de tableaux de bord Power BI et Excel pour piloter les indicateurs de qualité et suivre l'avancement des plans d'action.

Pilotage de la structuration du référentiel produit LMDB+ en environnement multi-systèmes (SAP, WIW, APPIAN) pour une portfolio de plus de 1 000 produits, en définissant les règles de gouvernance et les critères de qualité des données.

• Pilotage de la structuration du référentiel produit LMDB+ en définissant les règles de gouvernance et les critères de qualité des données.
• Mise en place d'un dispositif de suivi de la qualité des données sur plus de 1 000 produits, permettant la détection et la correction des écarts en temps réel.
• Développement de scripts Python pour automatiser les contrôles de qualité et la détection d'anomalies, réduisant le temps de traitement manuel.
• Standardisation des processus de production des fiches produit, réduisant significativement les délais de traitement pour les équipes opérationnelles.
• Définition et déploiement d'un référentiel de règles de nommage et une documentation métier pour uniformiser l'ensemble des référentiels produits.
• Conduite de campagnes de profilage et d'analyse de la qualité des données (complétude, cohérence, doublons) via Python, avec amélioration mesurée de 25 %.

Intégration de l'équipe analytics pour structurer et exploiter des données multi-sources afin d'orienter les décisions stratégiques et le pilotage opérationnel.

• Analyse et structuration de données multi-sources via SQL pour identifier les leviers de performance et orienter les décisions stratégiques.
• Conception de tableaux de bord Power BI et Excel pour le suivi de plus de 20 KPIs de performance, facilitant le pilotage opérationnel.
• Extraction et requête de données via SQL pour alimenter les outils de reporting et fiabiliser les analyses.
• Automatisation de processus de traitement et d'enrichissement de données via des outils digitaux pour accélérer la production de livrables.
• Modélisation de données pour l'analyse de tendances et la segmentation avancée, en support à la prise de décision.