Consultant Senior Data Quality / MDM

Contexte

Dans le cadre de l’amélioration de la fiabilité de ses données et de la préparation de ses usages data et IA, un grand groupe pharmaceutique souhaite se faire accompagner sur des problématiques de Master Data Management et de Data Quality autour de son environnement Snowflake et de l’écosystème Informatica.

Ce besoin orienté conseil, vise à renforcer la qualité des données aujourd’hui exploitées dans Snowflake, avec un objectif de détection plus avancée des incohérences, d’identification des causes racines, et de définition d’une démarche de remédiation adaptée.

L’enjeu n’est pas uniquement de mettre en place des contrôles classiques, mais d’élever le niveau de maturité sur la qualité de données afin de fiabiliser les usages métiers et de préparer la donnée à des cas d’usage IA.

Missions

• Analyser l’existant autour de la qualité de données et des pratiques MDM

• Évaluer les contrôles déjà en place dans Informatica IDQ

• Identifier les limites de l’approche actuelle en matière de détection d’anomalies et d’incohérences

• Analyser la qualité des données présentes dans Snowflake ainsi que, si nécessaire, les problématiques remontant aux systèmes sources

• Proposer une méthodologie, une roadmap et des recommandations concrètes pour améliorer durablement la qualité de données

• Contribuer à la préparation de la donnée pour des usages analytiques et IA

Responsabilités

• Réaliser un audit de l’existant data quality / MDM / gouvernance

• Analyser les flux de données, les règles de contrôle, les points de rupture et les sources d’incohérence

• Challenger les approches actuelles de contrôle de qualité de données

• Définir ou enrichir les règles de data quality selon les priorités métiers

• Proposer des mécanismes plus avancés d’identification d’anomalies ou d’incohérences, au-delà des contrôles basiques

• Recommander les bonnes pratiques de gouvernance, de suivi et de remédiation

• Participer à la priorisation des actions correctives sur les données et sur les systèmes sources si nécessaire

• Produire des livrables de cadrage, d’audit, de recommandations et de roadmap

• Accompagner les équipes métiers et techniques dans la structuration de la démarche

Compétences attendues

• Expérience confirmée sur Informatica IDQ

• Bonne maîtrise des problématiques MDM, idéalement sur Informatica MDM

• Solide expérience des sujets data quality, data governance et data remediation

• Maîtrise des environnements data modernes, en particulier Snowflake

• Capacité à auditer un existant, structurer une démarche et formuler des recommandations concrètes

• Compréhension des enjeux de qualité de données sur l’ensemble de la chaîne, de la source à l’entrepôt

• Capacité à échanger aussi bien avec des interlocuteurs métiers que techniques

Livrables attendus

• État des lieux de l’existant

• Analyse des forces et limites du dispositif actuel

• Cartographie des principaux enjeux de qualité de données

• Recommandations d’amélioration

• Proposition de méthodologie et de roadmap

• Éventuellement préconisations d’outillage ou d’évolutions de l’approche actuelle

Pourquoi la mission est intéressante

• Sujet stratégique au croisement de la data, de la gouvernance et de la préparation des usages IA

• Environnement grand groupe avec enjeux de qualité de données structurants

• Mission à forte valeur ajoutée, avec une vraie dimension conseil

• Possibilité d’intervenir à la fois sur le cadrage et sur la trajectoire de mise en oeuvre

Conditions de travail

• Client final : un grand groupe pharmaceutique

• Localisation : Paris

• Démarrage : ASAP

• Type de mission : conseil / audit avec possible phase de mise en œuvre

• Séniorité : senior à expert

1. Expérience confirmée sur Informatica IDQ
2. Bonne maîtrise des problématiques MDM, idéalement sur Informatica MDM
3. Solide expérience des sujets data quality, data governance et data remediation
4. Maîtrise des environnements data modernes, en particulier Snowflake
5. Capacité à auditer un existant, structurer une démarche et formuler des recommandations concrètes
6. Compréhension des enjeux de qualité de données sur l’ensemble de la chaîne, de la source à l’entrepôt
7. Capacité à échanger aussi bien avec des interlocuteurs métiers que techniques
8. Vision conseil
9. Compréhension des architectures data
10. Capacité à transformer un besoin encore partiellement flou en plan d’action opérationnel