Data Analyst

L’Analytics Factory conçoit et développe les services analytiques pour fournir aux équipes métier des données et analyses fiables, soutenant la transformation analytique et la prise de décision dans tous les domaines.
Prestation Data Analyst Sénior Performance Marchandise, Pilotage Parts de Marché (PDM)

Rattaché(e) au Responsable Pilotage de la performance, le/la consultant(e) intervient directement auprès de la Direction COMEX Marchandise pour éclairer la dynamique des Parts de Marché (PDM) d’une grande entreprise de distribution. La mission couvre l'ensemble du spectre d'analyse, du suivi hebdomadaire jusqu'aux projections et visions pluriannuelles.

Missions

• Accompagner en forte autonomie la Direction dans la compréhension fine et le pilotage des Parts de Marché, en décomposant les performances et en modélisant les impacts des leviers business clés pour alimenter la prise de décision stratégique.

• Produire des reportings hebdomadaires et projections pluriannuelles de PDM pour le COMEX Marchandise (Google Slides).

• Concevoir des dashboards interactifs d'aide à la décision (Looker Studio, Tableau, Google Sheets).

• Réaliser des études et notes d'analyses ad hoc éclairant les impacts business sur la PDM.

• Développer des scripts d'extraction et de modélisation de données (SQL / BigQuery, Python).

Outils & Environnement

• SQL et BigQuery pour extraction et analyse de données.

• Looker Studio, Tableau, Google Sheets pour création et optimisation de dashboards interactifs.

• Python et ses bibliothèques analytiques (Pandas, NumPy, PySpark).

• Bases de données relationnelles et NoSQL (PostgreSQL, MongoDB, DBL, etc.).

• Architectures data modernes : Data Lake, Data Warehouse.

• Environnements Cloud, notamment GCP ou Azure.

• CI/CD avec GitLab CI et gestion du versionning avec Git.

• Méthodologies agiles : Scrum, Sprint Planning, Backlog Refinement.

• Collaboration avec équipes métiers et techniques.

1. Maîtriser SQL et BigQuery, rédiger et optimiser des requêtes complexes pour extraire et analyser des données
2. Créer et optimiser des dashboards interactifs sous Looker Studio, identifier et suivre les KPIs critiques pour le pilotage métier
3. Aisance analytique
4. Gérer et modéliser les données, concevoir des pipelines optimisés dans BigQuery en garantissant qualité, fiabilité et cohérence des analyses
5. Appliquer Python et ses bibliothèques analytiques (Pandas, NumPy, PySpark) pour les traitements et le prototypage de solutions data
6. Exploiter les bases de données relationnelles et NoSQL (PostgreSQL, MongoDB, DBL)
7. Comprendre et appliquer les architectures data modernes : Data Lake, Data Warehouse
8. Utiliser les environnements Cloud, notamment GCP ou Azure
9. Mettre en œuvre CI/CD avec GitLab CI et gérer le versionning avec Git
10. Appliquer les principes DevOps pour améliorer la fiabilité et l’efficacité des traitements
11. Travailler en méthodologies agiles, notamment Scrum, Sprint Planning et Backlog Refinement
12. Collaborer efficacement avec les équipes métiers et techniques pour produire des analyses fiables et exploitables