Abdelkabir ALLOUK

– Lancement d'une nouvelle plateforme de clearing pour index derivatives – Mise en place d'un flux des données du marché Bloomberg – Conception et développement de pipelines de données au sein de l'infocentre (SAS, Python), garantissant la fiabilité et la disponibilité des données – Automatisation des traitements de données : collecte, nettoyage, transformation et intégra-tion dans les systèmes décisionnels – Mise en place et gestion de flux de données multi-sources (Oracle, XML, CSV) pour alimenter les reportings réglementaires – Développement et maintenance de rapports réglementaires et de suivi de qualité des don-nées, en assurant leur conformité et accessibilité – Migration des reportings SAS vers Power BI : – transformation des données avec Power Query – modélisation sémantique (schéma en étoile) – conception de tableaux de bord interactifs et orientés métier – Optimisation des performances des rapports (modélisation, DAX, volumétrie des données) – Réalisation des phases de recette : – tests d'intégration et tests fonctionnels – suivi des anomalies via JIRA et coordination avec les équipes métier/IT – Rédaction de la documentation technique (flux, traitements, règles de gestion)

– Programme Haussmann: fournir aux fonctions Finance, Actuariat et Risks un environnement de données de qualité pour des besoins de production et de pilotage – Élaboration et mise en œuvre d'un plan de recette data pour valider la qualité, la cohérence et l'exhaustivité des données – Développement de requêtes SQL et programmes SAS pour : – contrôler la qualité des données – comparer les données entre anciens et nouveaux systèmes – détecter les anomalies et écarts – Exécution des campagnes de recette : – analyse des résultats – identification des anomalies – recommandation d'actions correctives en lien avec les équipes techniques et métiers – Mise en place d'indicateurs de qualité des données (data quality KPIs) et production de re-portings de suivi mensuels

– Value at risk (VAR): produits cash Equity – Variation control : Outil de contrôle des appels de marge End Of Day – Extension du périmètre des produits dérivés à des contrats personnalisés – Analyse des impacts data et systèmes liés aux évolutions des modèles de risque (VaR) – Collecte, préparation et transformation des données de marché et de position (ETL, contrôles de qualité, normalisation) – Contribution à la conception et au développement d'un modèle VaR : – préparation des datasets de calcul – participation aux phases de backtesting et analyse des résultats – identification des écarts et amélioration des modèles – Analyse et validation des appels de marge : – contrôle de cohérence des données – production de reportings – identification des anomalies et recommandations d'actions correctives – Mise en place de reportings analytiques pour le suivi des indicateurs de risque et de variation – Élaboration des stratégies de test : – définition des scénarios (use cases) sous JIRA – exécution des tests fonctionnels et data – suivi des anomalies jusqu'à mise en production – Développement de traitements automatisés pour fiabiliser les tests (unitaires et fonction-nels) et améliorer l'efficacité des processus – Conception et gestion des cas de test dans JIRA (tests fonctionnels et data) – Suivi et coordination des activités de recette avec les différentes parties prenantes (IT, mé-tiers)

– Prise en charge des flux d'alimentation et de la qualité des données restituées au partenaire BPCE (Revalorisations, rachats, arbitrages, commissionnement...) – Mise en place d'un processus d'échange de données entre CNP et acteurs externes – Recueil et analyse des besoins métiers, rédaction des spécifications fonctionnelles pour la mise en place des flux de données – Conception des règles de mapping fonctionnel pour l'intégration des données dans le Data-warehouse (alignement des données sources avec les modèles cibles) – Pilotage des phases de recette fonctionnelle : – élaboration des stratégies et campagnes de tests – exécution des tests (intégration et fonctionnels) – suivi des anomalies jusqu'à leur résolution – accompagnement des mises en production – Spécification et validation d'un processus de contrôle de la qualité des flux (règles de ges-tion, contrôles de cohérence, complétude) – Gestion des incidents et anomalies: – prise en charge et qualification des tickets remontés par les métiers (notamment BPCE) – coordination avec les équipes techniques pour correction – suivi et communication sur l'avancement – Réalisation d'un mapping d'intégration des données dans le cadre du rapprochement entre systèmes (BCP vers DWH CNP) – Optimisation des reportings SAP BusinessObjects: – analyse des performances – amélioration des temps de restitution – validation fonctionnelle des évolutions

– Refonte du Datawarehouse du groupe visant à la faire évoluer et la rendre compatible avec tous les domaines de la banque (pilotage Commercial, pilotage Financier, pilotage Risque) – Mise en place des rapports (BO) de suivi et d'analyse des variations des indicateurs – Structuration et à l'amélioration du Datawarehouse pour garantir la cohérence et la qualité des données multi-domaines – Définition et mise en place d'indicateurs de qualité des données (data quality KPIs) pour con-trôler l'alimentation du Datawarehouse (complétude, cohérence, volumétrie) – Développement de reportings analytiques sous SAP BusinessObjects pour : – suivre l'évolution des indicateurs – analyser les variations et détecter les anomalies – fournir une visibilité aux équipes métier – Audit des rejets lors de l'alimentation de l'ODS (Operational Data Store) : – analyser des causes racines (qualité des données, règles de gestion, flux) – identification des anomalies récurrentes – proposition et suivi des actions correctives – Exploitation des données via SQL et SAS pour : – analyser les flux d'alimentation – contrôler la qualité des données – produire des extractions et analyses ad hoc

– Datamining: (Regression Logistique, Arbres de decision, ACP...) – Analyses statistiques pour la direction Marketing, Suivi des départs à la concurrence, profils des consommateurs, clients AEL, nouvelles offres – Analyse des besoins, définition du périmètre et proposition des méthodes adaptées – Collecte, préparation et transformation des données – Construction des datamart (SAS) d'étude pour la Mise en place des modèles – Analyses descriptives et sélection des paramètres d'étude – Conception des modèles de segmentation pour la réalisation des profils clients – Mise au point des modèles de scoring pour le ciblage marketing – Test, validation et déploiement des modèles