Abderrazzak EJ-JEBBOUJI

Assurer une gestion optimisée des données omnicanales (boutique, digital, CRM) pour améliorer la personnalisation et l’expérience client. • Organiser des ateliers métiers pour identifier les axes d’amélioration du parcours client et les KPIs de suivi. • Définir la roadmap Data & IA en collaboration avec les équipes Data Science, IT et Business. • Cartographie des sources de données clients (transactions, interactions en ligne, stocks, préférences produits). • Rédiger les spécifications fonctionnelles et techniques pour guider les Data Engineers et Data Scientists. • Pilotage des projets de data pour garantir des données normalisées et fiables. • Coordination des développements et monitoring des pipelines Data & IA sur Databricks et Azure Synapse. • Collaboration avec les équipes BI & Analytics pour concevoir des dashboards et visualiser la performance en temps réel. • Concevoir des indicateurs de performance (taux de conversion, temps passé en boutique, interactions en ligne) pour mesurer l’efficacité des parcours clients. • Travailler avec les équipes CRM, Digital Marketing, E-commerce pour personnaliser les interactions clients selon leur historique et préférences. • Travailler avec l’équipe Design (UX/UI) pour intégrer les recommandations IA dans les interfaces. • Affiner les modèles IA en fonction des insights UX. • Rédiger les User Stories pour traduire les besoins en fonctionnalités Data exploitables. • Assurer l’intégration et la centralisation des données clients issus des différents points de contact (boutiques, site e-commerce, CRM). • Assurer la gestion du backlog produit, en priorisant les évolutions en fonction de la valeur business. • Gestion des retours métiers lors des phases de tests utilisateurs (UAT). • Engagement dans les rituels Agile, incluant le Sprint Planning, le PI Planning, les Rétrospectives et les Daily. • Supervision du développement et du déploiement des modèles de recommandations produits (Azure ML, TensorFlow, PyTorch). • Gestion des expérimentations IA (PoC) avant industrialisation des modèles en production. • Suivi des performances des algorithmes IA pour l’adaptation des recommandations et l’optimisation des stocks. • Mise en place d’une architecture RAG pour la recherche intelligente de produits en boutique. • Coordination avec les équipes DevOps pour l’industrialisation et la mise en production des modèles via Terraform et Jenkins. • Assurer la transparence et la communication des évolutions auprès des stakeholders. • Faciliter la prise de décision et l’arbitrage en cas de blocage technique ou fonctionnel. • Suivre l’exécution budgétaire et anticiper les dépassements de coûts. • Valider et négocier les coûts liés aux prestataires et aux fournisseurs technologiques. • Organiser des formations et sessions de sensibilisation aux nouvelles solutions Data & IA. Environnement Technique : Jira, Confluence, Figma, Miro, Azure Cost Management, Azure Synapse, AutoML, RAG, Azure Open AI, Snowflake, TensorFlow, PyTorch, Databricks, M3, Kafka, Talend, Mulesoft.

Pilotage du projet ALM Liquidity • Organisation et animation d’ateliers métiers/IT pour garantir une compréhension commune des besoins et des priorités. • Définir et implémenter une stratégie de gouvernance des données en collaboration avec les équipes Data et Finance. • Évaluer les besoins en ressources BI et allouer les bonnes expertises sur les projets critiques. • Définir les rôles et responsabilités au sein des équipes BI et veiller à la montée en compétences des collaborateurs. • Gérer la charge de travail des équipes pour éviter les goulets d’étranglement et optimiser la vélocité des livrables. • Optimiser les workflows d’automatisation afin de réduire les tâches manuelles et améliorer la productivité des équipes. • Optimiser les coûts liés au stockage et à la transformation des données. • Identifier les dépenses superflues et ajuster les stratégies de licences et d’abonnements aux outils BI. • Assurer l’ingestion, transformation et consolidation des données financières issues des différentes sources. • Évolution du Data Warehouse dédié aux indicateurs ALM pour améliorer la visibilité sur la gestion des liquidités. • Définir les objectifs métier du projet, notamment l’intégration et l’exploitation des taux d’intérêt pour la valorisation des actifs et des passifs. • Traduction du besoin métier en spécifications fonctionnelles pour l’équipe technique. • Prioriser les besoins métiers et formaliser les User Stories et Épics. • Animation des réunions hebdomadaires pour planifier les tâches et gérer les priorités. • Gestion des retours métiers pendant les phases de test utilisateur (UAT), avec ajustements des flux ETL en fonction des feedbacks. • Priorisation des user stories en collaboration avec les Business Analystes et les métiers. • Participation active aux cérémonies Agile, telles que les Daily Meetings, le Sprint Planning, les Rétrospectives. Environnement Techniques : Jira, Confluence, ServiceNow, Bitbucket, Java, Business Object, Datastage Px 7.5 & 11.7, SQL, Oracle 11g, Shell, Linux, GIT.

Mise en place et alimentation du Data Warehouse Risques et Finance (Reporting réglementaires FINREP, ANACREDIT et RGPD). • Organiser des ateliers avec les équipes Risques, Finance et DATA pour identifier les exigences réglementaires FINREP, ANACREDIT, RGPD. • Formaliser les exigences métiers sous forme d’User Stories et Épics, en priorisant celles ayant un impact réglementaire critique. • Aligner les attentes des métiers avec la faisabilité technique dans un environnement Data Lake. • Définir les modèles de données métiers à stocker dans le Data Lake. • Travailler avec les Data Engineers pour assurer que les données sont bien structurées, propres et exploitables dans le Data Lake. • Définir les règles de transformation et d’agrégation pour la consolidation des indicateurs réglementaires. • Assurer la qualité et la cohérence des données stockées dans le Data Lake via des mécanismes de validation et d’enrichissement. • Assurer la mise à jour périodique des données. • Définir des mécanismes de surveillance et d’alerte en cas d’échec d’un pipeline ou d’anomalie dans les données. • Définir les règles de gouvernance des données pour garantir la conformité avec le RGPD et les exigences bancaires. • Mettre en place des règles de purge et d’anonymisation des données pour les clients inactifs. • Proposer des évolutions et optimisations en fonction des retours des utilisateurs métiers. • Gestion du backlog produit : Création des User Stories pour les pipelines Data. • Optimisation des performances : Modernisation des traitements ETL en Spark pour réduire les temps d’exécution. • Réalisation de la recette fonctionnelle. • Création des anomalies sous RTC. • Participation active aux cérémonies Agile, telles que les Daily Meetings, le Sprint Planning, les Rétrospectives. Environnement/ Outils Techniques : Jira, Confluence, Cloud Azure, Databricks, Spark, Azure Data Factory, Azure Devops, Power AMC, SQL, SCRUM.