Boukar OUSMANOU

• Identifié et corrigé les anomalies qualité (DuckDB profiling) rendant les KPIs incohérents, débloquant la livraison d'un dashboard Looker Studio de pilotage fiable pour le client. • Développé un framework SQL de validation croisée reproduisant fidèlement les filtres et agrégations du dashboard, garantissant la traçabilité de 100 % des indicateurs avant livraison. • Mis en place un pipeline de surveillance Airflow orchestrant les contrôles qualité quotidiens pour garantir la fiabilité continue du reporting post-livraison. Stack : Python, SQL, DuckDB, Jupyter Notebook, Google Sheets, Looker Studio, Data Profiling, Data Quality, Apache Airflow

- Implémenté une pipeline ETL end-to-end (Kafka → Talend → Snowflake → Power BI) pour le suivi quasi temps-réel des commandes d'affiches, éliminant les délais de reporting pour 3 filiales. - Conçu le modèle sémantique Cortex AI (YAML, 15+ règles métier) avec les équipes, permettant l'interrogation en langage naturel sans développement BI additionnel. - Développé et mis en production une interface Python/Plotly de visualisation dynamique, couvrant 100% des besoins d'une filiale.

- Conçu un framework qualité données 5 dimensions sur l'ERP Sage (Python + SQL), corrigeant 500+ anomalies critiques de production et fiabilisant les données pour 5 équipes métier. - Automatisé les pipelines d'extraction et les contrôles qualité, réduisant d'environ 80% le temps de traitement manuel et livrant des dashboards Looker Studio en monitoring continu. - Créé un référentiel de gouvernance centralisé (dictionnaire métier + KPIs qualité + règles de gestion), réduisant la dépendance IT et posant les bases d'un plan de gouvernance suivi dans le temps.