Chakib B.

Mission JEMS chez BCA Expertise. Mission : déployer la gouvernance des données sur le catalogue OpenMetadata en place, du cadrage à l'adoption par les métiers. – Contexte : reprise en septembre d'une mission JEMS ouverte en mai 2026 ; sponsor direction Data, squad Data pluridisciplinaire, 8 domaines métier, premier domaine MRT (maîtrise des résultats techniques). – Cadrage : état des lieux du catalogue, plus de 6 200 tables dont 96 % sans propriétaire ; feuille de route chiffrée et lot pilote priorisé. – Gouvernance cible : rôles et matrice RACI, profils d'accès lecteur et data steward ; propriétaires et référents métier nommés sur les domaines du catalogue. – Animation : comité hebdomadaire avec la squad Data et point hebdomadaire avec le data steward MRT ; référents des autres domaines embarqués au fil du déploiement. – Socle documentaire : référentiel de règles qualité, grille de certification des actifs, lignage du tableau de bord MRT jusqu'aux sources, procédure de déploiement rejouable par domaine. – Qualité avec le métier : ateliers avec le référent MRT, glossaire restructuré et soumis à validation, indicateurs critiques traduits en 12 contrôles calibrés sur un an d'historique. – Adoption et résultat à date : catalogue présenté à une quinzaine de data stewards et experts métier ; premier domaine documenté et sous contrôle, kit de déploiement en cours pour les domaines suivants.

Missions successives de gouvernance et de qualité des données chez BCA Expertise, Hitachi Rail, TotalEnergies et Renault, et au sein de la Data Factory JEMS, détaillées dans les expériences ci-dessous.

Mission JEMS chez Hitachi Rail. Mission : poser la gouvernance des données de la gestion des actifs de signalisation ferroviaire, en commençant par le choix du catalogue. – Benchmark de DataHub, OpenMetadata et DataGalaxy : 38 scénarios de test, du catalogage au lignage, à la qualité et aux droits, joués sur DataHub et OpenMetadata. – Accompagnement de l'équipe projet et des futurs utilisateurs ; indicateurs d'usage du catalogue et d'adoption de la gouvernance définis et présentés. – Résultat : grille comparative des forces, limites et conditions de mise en œuvre, avec recommandations pour le choix de l'outil cible.

Mission JEMS chez TotalEnergies. Mission : fiabiliser un outil d'ontologies et de knowledge graph servant à prolonger la durée de vie d'unités de production offshore. – Mise en correspondance des modèles de connaissance avec les données réelles, en OWL, RDF et SPARQL. – Analyse de plus de 10 000 événements d'équipements : typologies et tendances pour prioriser les investigations des métiers. – Résultat : 3 fonctionnalités livrées et 3 anomalies corrigées, avec tests de non-régression et documentation.

Mission JEMS chez Renault. Mission : structurer et enrichir le catalogue DataHub pour améliorer la traçabilité et l'usage des données de l'ingénierie. – Glossaire métier construit avec les data stewards et data owners : 150 objets métier sur 15 domaines, rattachés aux tables, tableaux de bord et rapports. – Animation de 40 ateliers et de rituels de revue du glossaire ; démonstrations et supports de prise en main pour les utilisateurs. – Résultat : 60 % des objets métier reliés à leurs tables ; indicateurs d'adoption sur la complétude, l'exactitude et la fraîcheur.

Mission : construire une offre Data Quality as a Service industrialisée, réutilisable sur les projets clients. – Référentiel de règles par dimension avec seuils et critères d'acceptation ; cas d'usage prêts à exécuter, pipeline de contrôles automatisé et tableaux de bord de suivi. – Benchmark Soda et Great Expectations, de la mise en place à l'industrialisation, avec recommandations d'usage. – Résultat : offre reprise sur un premier projet client industriel.

Mission JEMS chez Renault. Mission : mettre en qualité les données COGS, coût des produits vendus, du contrôle de gestion, avec les équipes finance et data. – Règles de qualité en SQL et contrôles de cohérence sur BigQuery, suivis dans un tableau de bord qualité Power BI. – Analyse et résolution des incidents de données sur BigQuery. – Résultat : référentiel de transcodage des codes usine, 50 % d'erreurs en moins sur les rapprochements.

Mission i-Fihn Consulting chez BNP Paribas Securities Services. Mission : analyser l'exposition au risque de contrepartie pour la notation interne et les comités de crédit. – Revue qualitative des modèles de marges de plus de 15 chambres de compensation, dans les cadres EMIR et Bâle II. – Résultat : mémos d'analyse présentés aux comités de crédit internationaux.

Mission i-Fihn Consulting chez Natixis. Mission : accompagner le développement d'un outil de pricing de produits structurés en équipe Scrum. – Cahiers de tests, recette fonctionnelle et de non-régression, documentation.

Mission : suivre le risque de liquidité de la trésorerie et de la gestion du collatéral, avec des reportings conformes à BCBS 239. – Indicateurs et tableaux de bord réglementaires, dont le LCR, bilans de trésorerie ; trois tableaux de bord automatisés en VBA.