Analytics Engineer

A participé à la conception et à l'industrialisation de pipelines Big Data au sein d'une équipe Data dédiée à la supervision des consommations d'eau, assurant la collecte, la transformation et la valorisation des données pour les besoins de pilotage métier.

• A conçu et industrialisé une plateforme Big Data complète destinée à la supervision des consommations d'eau.
• A développé des pipelines d'ingestion de données provenant de flux IoT (télémétrie des capteurs) et de bases de données métiers via Auto Loader sur Azure Databricks.
• A conçu et développé des notebooks Databricks en PySpark et Scala pour la transformation, l'enrichissement et la préparation des données analytiques.
• A mis en œuvre une architecture Delta Lake basée sur les couches Bronze/Silver/Gold, garantissant la traçabilité, la qualité, l'historisation et les performances des traitements.
• A développé des scripts Python pour le nettoyage, la normalisation et la détection automatisée d'anomalies (fuites, surconsommations).
• A mis en place des pipelines CI/CD sous Azure DevOps afin d'automatiser le déploiement des notebooks Databricks et de fiabiliser les mises en production.
• A orchestré et supervisé les traitements de données via Azure Data Factory, avec suivi des performances et de l'exécution des pipelines.
• A contribué à la standardisation des modèles de données et des transformations dbt, en appliquant les bonnes pratiques de développement.
• A mis en œuvre les pratiques DataOps : documentation technique, tests unitaires, contrôle qualité des données et optimisation des coûts et des temps de traitement.
• A optimisé les traitements PySpark (partitionnement, cache, tuning des clusters Databricks) afin d'améliorer les performances des pipelines.
• A mis en place un dispositif de supervision des performances et des coûts des traitements Databricks ainsi que des mécanismes de reprise automatique en cas d'échec.
• A conçu et développé des tableaux de bord Power BI connectés aux vues Gold et Azure Synapse pour le suivi des indicateurs de consommation d'eau, des seuils critiques et des alertes en temps réel.
• A développé une supervision géographique des consommations par secteur permettant de détecter précocement les incidents et de réduire les délais d'intervention.
• A collaboré étroitement avec les équipes Data, Métiers et Exploitation dans un environnement Agile afin de concevoir des solutions analytiques répondant aux besoins opérationnels.

A participé à la modernisation et à l'optimisation des processus d'achat au sein d'une équipe Data, développant des solutions analytiques permettant d'améliorer l'efficacité opérationnelle, la transparence des activités et la prise de décision basée sur les données.

• A collecté, intégré et consolidé des données issues de sources hétérogènes (ERP, bases de données et fichiers) afin de constituer un référentiel de données fiable pour les besoins analytiques.
• A développé et optimisé les processus d'extraction, de transformation et de chargement (ETL/ELT) en automatisant les traitements avec Azure Data Factory et dbt.
• A nettoyé, transformé et validé les données afin de garantir leur qualité, leur cohérence et leur intégrité.
• A conçu et développé des tableaux de bord Power BI et R Shiny permettant le suivi des indicateurs de performance et facilitant la prise de décision.
• A créé des modèles de données et des jeux de données optimisés pour répondre aux besoins des équipes métiers.
• A automatisé le rafraîchissement des données et les processus de reporting afin de garantir la disponibilité d'indicateurs fiables et à jour.
• A produit des analyses métier et des reportings décisionnels, en formulant des recommandations basées sur les données à destination des managers.
• A restitué les résultats d'analyse sous forme de visualisations et de rapports adaptés aux différents interlocuteurs métiers.
• A participé au projet de transformation du système d'information dans le cadre de la migration de l'ERP Oracle JD Edwards vers SAP, en contribuant aux activités de coordination, de recette et de reprise de données.
• A développé des requêtes SQL et automatisé les traitements afin d'optimiser les processus métiers, de fiabiliser les données et de réduire les tâches manuelles.
• A réalisé une veille technologique sur les outils et bonnes pratiques Data afin d'identifier des solutions innovantes pour améliorer les capacités d'analyse et de valorisation des données.

A participé à la conception d'une plateforme décisionnelle au sein d'une équipe Data permettant de centraliser, transformer et valoriser les données, afin de produire des tableaux de bord interactifs et des analyses fiables pour le pilotage de la performance métier.

• A recueilli et analysé les besoins métiers afin de concevoir des solutions décisionnelles répondant aux enjeux de pilotage des activités.
• A conçu et développé des Data Warehouse et Data Marts adaptés aux besoins des différents métiers.
• A effectué la modélisation dimensionnelle des données (schémas en étoile et en flocon) pour structurer et optimiser les modèles analytiques.
• A développé des processus ETL avec Talend pour l'extraction, la transformation et le chargement des données issues de sources hétérogènes.
• A centralisé, nettoyé, transformé et fiabilisé les données provenant de bases de données, fichiers, CRM et applications métiers.
• A développé des modèles de données décisionnels permettant l'analyse des performances commerciales, financières et opérationnelles.
• A conçu et réalisé des tableaux de bord interactifs sous Power BI et Tableau pour le suivi des indicateurs clés de performance (KPIs).
• A développé des mécanismes d'actualisation automatisée des données afin de garantir la disponibilité d'indicateurs fiables et à jour.
• A produit des analyses décisionnelles et restitué les résultats sous forme de tableaux de bord et de rapports destinés aux équipes métiers et aux instances de direction.
• A présenté les analyses et recommandations aux décideurs afin d'accompagner la prise de décision stratégique.
• A analysé les données clients, effectué une segmentation des populations et identifié les indicateurs de performance à partir de données CRM, transactionnelles et d'enquêtes de satisfaction.
• A conçu et mis en œuvre des entrepôts de données centralisant les informations issues de multiples sources pour faciliter les usages analytiques.
• A formé et accompagné les utilisateurs sur les outils décisionnels, en réalisant des supports de formation et en animant des sessions de montée en compétences.
• A participé à l'amélioration continue des processus de gestion et de valorisation des données dans un environnement Agile.