Dahee MATTANA

Decathlon est un leader mondial de la conception, fabrication et distribution d’articles de sport, reconnu pour son écosystème digital innovant. Avec un chiffre d’affaires de 15 Mds € et plus de 105 000 collaborateurs, l’enseigne place la donnée au cœur de sa stratégie. J’ai rejoint les équipes Data en tant que Analytics Engineer afin d’industrialiser les pipelines BI et d’optimiser la performance des produits analytiques à grande échelle. Mes responsabilités en tant que Analytics Engineer : - Optimiser les pipeline ETL avec Databricks et DBT pour exploiter les données dans Tableau. - Concevoir des produits BI scalables (80M à 2Md lignes) et maîtriser les risques techniques liés à la volumétrie. - Orchestrer les DAG pour la mise à jour des datasets avec Airflow pour assurer la disponibilité des données. - Rationaliser les requêtes SQL et Template Jinja des modèles DBT pour améliorer performance et la lisibilité. - Piloter un POC d’implémentation d’une pipeline CI/CD sur Tableau Cloud afin de garantir les déploiements. Résultats obtenus : - Développement de plusieurs produits BI (2 000+ utilisateurs), parmi les plus adoptés à l’échelle de l’entreprise. - Audit et optimisation de dashboards avec 37 % de temps de navigation et 22 % de chargement en moins. Stack & outils : DBT – Tableau – GitHub – SQL – Databricks – Airflow – Collibra – Jira – AWS Data Warehouse Architecture | Data Architecture | ETL Testing | Extract, Transform, Load (ETL) | Data Modeling | PySpark | Data Pipelines | Data Warehousing | Hive | Apache Spark | Hadoop | Azure Data Factory | SQL Server Integration Services (SSIS) | Data Processing | Azure SQL | Azure Databricks | SQL | Python (Programming Language) | Apache Kafka | Leadership | Communication | Business Intelligence (BI) | Visualization | Tableau

Coupang est l’un des leaders du e-commerce en Corée du Sud, reconnu pour son excellence logistique et son approche data-driven. L’entreprise a réalisé un chiffre d’affaires de 24 Mds $ et compte environ 60k salariés. J’ai rejoint les équipes Data en tant que Analytics Engineer pour piloter la migration des solutions BI et améliorer l’expérience utilisateur des dashboards. Mes réalisations : - Le développement de 15 dashboards intuitifs et alignés avec les standards UI/UX afin d’accélérer la prise de décision sur Tableau. - L’optimisation des solutions BI dans le cadre d’un projet de migration depuis Quicksight et Google Looker Studio. - La gestion de la lecture et de l’écriture des datasets sur AWS S3 en architecture médallion (bronze, silver, gold). - La mise en place d’un processus de Run optimisé pour assurer la stabilité et le support des outils à fort trafic. - L’implémentation de scenarios de tests DBT pour garantir la qualité et la fiabilité des données. Mes responsabilités en tant que Analytics Engineer : - La conception et la maintenance des dashboards BI en collaboration avec les équipes métier. - L’industrialisation des flux de données dans un environnement cloud (AWS S3, Databricks). - La gestion de la qualité des données via des tests automatisés et des processus de monitoring. - La coordination avec les équipes Data Engineering, BI et les utilisateurs finaux pour améliorer les produits existants. Résultats : - Déploiement d’une solution de monitoring et d’alertes pour assurer la disponibilité des données. - Migration réussie d’un produit data avec amélioration de l’interface utilisateur, aboutissant à une note de satisfaction de 4,5/5. Data Warehouse Architecture | Data Architecture | ETL Testing | ETL | Data Modeling | PySpark | Data Pipelines | Data Warehousing | Apache Spark | Hadoop | Azure Data Factory | Azure SQL | Azure Databricks | SQL | Python (Programming Language) | Apache Kafka | Business Intelligence (BI) | Visualization | Tableau

Marks & Spencer est un acteur historique du retail au Royaume-Uni. Présente dans plus de 50 pays, l’enseigne réalise un chiffre d’affaires de 13 milliards de livres sterling, emploie près de 79 000 collaborateurs et exploite plus de 1 400 magasins à travers le monde. En tant que Analytics Engineer, ma mission consistait à : - Modéliser et nettoyer les données avec Python pour construire des modèles exploitables dans Power BI. - Documenter les développements techniques de manière claire et accessible sur Confluence. - Assurer la gestion des versions de scripts et pipelines analytiques via Git, afin de garantir la traçabilité et faciliter le travail en équipe. - Former les équipes métiers à l’utilisation des produits BI et à la compréhension des KPI. - Participer à la rédaction et à l’estimation des User Stories dans un cadre agile sous Jira. Résultats obtenus : - Livraison en un temps record (3 semaines) d’un produit data complexe, malgré des délais très contraints. - Collaboration efficace avec les BPO, Data Engineers, Data Stewards et QA répartis sur trois fuseaux horaires. Environnement technique : Power BI – Python – GitHub – SQL – Jira – Azure Data Warehouse Architecture | Data Architecture | ETL Testing | ETL | Data Modeling | PySpark | Data Pipelines | Data Warehousing | Apache Spark | Hadoop | Azure Data Factory | Azure SQL | Azure Databricks | SQL | Python (Programming Language) | Apache Kafka | Business Intelligence (BI) | Visualization | Tableau | Power BI