Ainice ABCHA

• Améliorer la Gouvernance de la donnée et la Politique Data & IA. • Définir la stratégie et l'évolution des plateformes data et IA en lien avec la stratégie de l’entreprise. • Assurer la gouvernance des référentiels de données : construction des référentiels, documentation des normes et terminologies, rôles, Processus, … • Améliorer la Data Quality Management : le processus de contrôle de Data Quality et l'enrichissement du dictionnaire de données, … • Concevoir et maintenir une architecture robuste répondant aux besoins actuels et futurs. • Mise en place d’une approche Data Driven et Data Mesh. • Garantir la disponibilité des plateformes Data et IA pour toutes les entités du groupe. • Construire la roadmap des plateformes data et IA en collaboration avec les directions produits B2C, B2B, Advertising. • Conduire et assurer la transformation des équipes en mode produit G2P. • Manager une direction de 45 collaborateurs ( BI, ML Engineer, Mlops, Data Engineer, Data architecte, Data manager). • Diffuser la culture data et IA (dont IA Gen) au sein du groupe. • Gestion des budgets & gestion de crises.

Définir et mettre en œuvre la Gouvernance de la donnée et la Politique Data. Élaboration et mise en oeuvre de la stratégie Data & IA. Définition de la nouvelle trajectoire SI-Data 2024-2026. Amélioration de méthode et processus du delivery et du partage de la data. Pilotage, organisation et développement des équipes SID (BI) et Data Fabric. Mise en place une approche Data Mesh. Évolution de la stratégie d’IA. Identification des cas d’utilisation de l’IA. Garant de la qualité de données et du reporting (Data Quality Management) Choix des technologies et validation de l'architecture Data. Évolution et maintenance du SID et son adéquation avec la Politique data et l’Architecture SI. Standardiser les procédures et les processus de gestion des données. Gestion des marchés, des budgets et des fournisseurs. ...

- Définir et structurer la stratégie Data de l’entreprise. - Garantir la gouvernance de données via la mise en place d'un référentiel, des règles de gestions et des propriétés, Cartographie des flux et des processus Data. - Établir un cadre de gouvernance ainsi qu'un comité de pilotage pour en faire un défi stratégique. - Data Quality Mangement « DQM » : Garant de la qualité, de la fiabilité et de la cohérence des données et du Reporting. - Diriger les 3 équipes Data ( BI, IA-R&D, Data Engineer) et le Service Product Manager et gérer leur évolution. - Améliorer la stratégie Reporting-Client et assurer le respect des processus internes et des réglementations. - Identification des cas d’utilisation de l’IA (exp: "Princig"= l'implémentation du projet de prédication du prix de marché, ...) - Déterminer, prioriser et superviser les projets IA & data (QOS, Pricing, GreenRoad,..). - Conception et amélioration de l'Architecture Data. - Mise en place du référentiel et du dictionnaire de données. - Garant de l’expertise Data via l’analyse prédictive et la mise en place des modèles statistiques. - Cadrage et étude des besoins stratégiques avec la direction. - Développement de la stratégie Opérationnel et Client. - Interlocuteur clé partenaire des métiers sur les sujets Business. - Collaborer avec les parties prenantes pour identifier les cas d'utilisation et les projets prioritaires. - Amélioration du produit sur le plan data et opérationnel. - Veille technologique et développement des partenariats. - Développement de la culture data « Data-Driven »

La mise en place d'un référentiel de données MDM comme source unique de vérité suite à la création du Data Hub pour une meilleure gouvernance de données : - Pilotage, conseiller et accompagner la direction dans leur transformation digitale. - Cadrage et spécification des besoins avec les métiers. - Assurer l'assistance des projets dans l’instruction de la démarche Data. - Définir l’architecture data du référentiel. - Cartographie des données liées aux infrastructures gaz. - Établir des spécifications de modèles de données. - Modéliser les flux et pipelines de données. - Création du référentiel de données du périmètre logistique - Enrichir le Data Catalogue via les nouveaux modèles. - Améliorer la stratégie data et la gouvernance de données - Le développement de la culture Data au sein des différents départements.

Contexte : Le programme CONNECT a été mis en place pour l’amélioration des processus de planification non optimisés, entraînant une qualité de service médiocre. La portée du programme est la suivante : • Définir un nouveau modèle de prévision et de planification (statistiques, prévisions, charge de travail) • Implémenter de nouveaux outils de prévision et de planification basés sur des règles communes • Permettre à l'organisation et aux personnes d'adopter de nouveaux modèles de planification et de nouveaux processus Sujet du projet : Dans ce programme, une amélioration touchera le périmètre BULLSEYE permettant la gestion des flux et du reporting. Définir un plan d'action de la mise en production de ce système et assurer son bon déroulement afin d'assurer la continuité des services.

Contexte : Audit des règles de gestion et du Mapping des flux d’alimentation des Model Points RFO ( Risk Foundation de Moodys) sur le périmètre Epargne Collective et Epargne Individuelle. ▪ Étude de la modélisation des données du périmètre Epargne Collective et Epargne individuelle. ▪ Analyse approfondie des indicateurs, des règles de gestion et des flux. ▪ Cartographie des flux d'alimentation (Mapping données techniques /données métier) des champs des Model Points. ▪ Responsable de la documentation technique associée à l’application. ▪ Garant du respect des engagements vis-à-vis de la DSI. ▪ Assurer la cohérence et l’évolution du système d’information Résultats : Livrables permettant à CARDIF une maîtrise totale de l’utilisation de l’outil pour le périmètre Epargne France. Ces livrables peuvent constituer une base pour un développement interne, afin que Cardif se passe de l’outil RFO en place. Environnement : Informatica, Excel, SQL.

Contexte : Mise en place des règles de gestions et des flux d’alimentation du DWH pour l’anonymisation de données prévenants des CRM concernant le projet GDPR du groupe l’Oréal. Travail réalisé : - Définir les règles pour l’anonymisation des données clients et les traitements des rejets. - Conception et développement des flux sur Informatica Cloud. - Analyser les données prévenants des CRM utilisés par le groupe et ses filiales. - Test et validation des traitements. Résultats : - Mise en place des flux d'anonymisation GDPR réussite et valider au sein du groupe. - Optimisation de processus d'anonymisation et augmentation des performances sur les traitements des rejets pour les clients. Environnements : Logiciels Informatica, ORACLE, Informatica Cloud, SQL.

Définir une nouvelle organisation de l’architecture data d'une partie du SI de l'OCDE via la mise en place d‘un référentiel de données MDM et d’un Data Hub qui permettra d’améliorer les performances et le champ d'activité de l'entreprise.

Feux connectés-IA : L’idée est de faire communiquer les carrefours entre eux via le développement d’un système intelligent totalement autonome, capable de prendre les bonnes décisions, sans avoir nécessairement besoin d’une action humaine. Le système permettra la collecte des données afin d’alimenter l’intelligence distribuée et la gestion des masses de données au sein de la base de données des capteurs. - Pilotage de l'activité. - Définir les exigences et cas d’usage à mettre en œuvre. - Etude de faisabilité sur le sujet. - Définir un processus de travail et de suivi. - Utilisation de simulateur SUMO pour la création d’un réseau routier via Python sur une cartographie d’une ville. - Analyse des points bloquant et essayant de trouver des solutions adaptées ou alternatives. - Gérer la stratégie Data du projet : -> Définir une architecture data envisagée pour transférer des données à partir des capteurs ainsi que leur analyse. -> Utilisation de l’intelligence artificielle directement sur les infrastructures qui seront mise en place afin d’être autonome pour la prise de décision en temps réel. -> Gérer l’aspect Big Data et algorithmique (ML) pour le traitement des données sur le Cloud. -> L’utilisation de l’Edge Computing (pour traiter les données relatives aux infrastructures : IoT, capteur, …) en complément du Cloud pour désengorger le trafic réseau afin d’assurer que les données critiques arrivent sur le data center.

Le service logistique de la banque de détail (BDDF/SEG/LOG) a constamment besoin de rationaliser ses outils de reporting et d’alimentation de données. Référent fonctionnel et technique pour les reporting de la direction et des différents services de SEG/LOG : mise en place des évolutions nécessaires à l’amélioration du reporting. Responsable projet de migration ETL-DWH : Gestion du projet de migration de l’ETL Talend vers Informatica pour mise aux normes GTS. Restructuration du SI pour répondre à tous les besoins métiers actuels et futurs de SEG/LOG Description: - Recueil et cadrage de l’expression des besoins - Spécifications fonctionnelles des besoins - Chiffrage des tâches à réaliser - Choix de l’architecture technique pour le projet. - Garantir la cohérence et l’évolution du système d’information. - Animation des réunions avec les MOA et les clients. - La mise en œuvre du projet dans une démarche agile. - Mise en place d’un plan d’action - Chiffrage et planification du projet - Restructuration de DWH - Mise en place d’un process de reporting - Analyse des données, suivi et correction - Améliorer la sécurité du SI de BDDF/SEG/LOG. - Conception et développement des flux d’alimentations via Talend et Informatica. - Maintenance corrective et évolutive des programmes d’alimentation du DWH et du reporting. - Tests unitaires et test d’intégration puis la mise en production et recette. - Générations et planifications des rapports. - Proposition des solutions d’amélioration des performances. Environnement : SAP BO XI 3 / SAP BI 4.1, Tableau, Talend TOS 5.0.1, Informatica V9, Oracle 10 et 11 G et SQL Server 2008.