Djawed Benzerdjeb

Contexte: En tant que Senior Data Analytics Engineer et Digital Project Manager chez Cartier, je joue un rôle clé dans l’optimisation des données commerciales et la gestion de projets digitaux stratégiques. J’assure la maintenance et l’amélioration des ux de données en utilisant des technologies telles que SQL, DBT et GCP, tout en pilotant des initiatives visant à transformer ces données en insights actionnables. Mon travail inclut également le développement de tableaux de bord analytiques pour suivre les performances commerciales et identifier les tendances clés. Ce rôle hybride me permet de faire le lien entre les équipes techniques et les décideurs, contribuant ainsi à des prises de décision éclairées et à l’innovation digitale dans un secteur aussi exigeant que le luxe. Missions + Correction et amélioration des modèles DBT existants + Modification des schémas de données pour optimiser les performances. + Ajout de nouvelles sources de données au système existant + Assistance aux Senior Analytics Engineers dans leurs tâches quotidiennes. + Développement de tests personnalisés dans dbt pour détecter les anomalies dans les données, identifier les variations inhabituelles de volume, les valeurs aberrantes et les tendances inattendues. + Configuration d'alertes basées sur ces tests pour une détection proactive des problèmes de qualité des données. + Conception et développement de tableaux de bord analytiques sous Looker permettant une analyse approfondie des performances commerciales. Résultat : conception et mise en place d'un dashboard pour suivre les performances des ventes de Cartier durant la Saint-Valentin, offrant une comparaison avec l'année précédente sous Looker.

Contexte: Au sein de la Direction Data de la Digital Factory, j'ai rejoint la verticale Data Engineering en intégrant une Feature Team (FT) composée d'un Product Owner, des data engineer, data analyst et QA engineer. La vocation de l'équipe est de fournir les meilleurs Produits Data (Analytics et IA) aux utilisateurs tout en assurant un cout de service le plus faible possible. Missions: + Modélisation des données d’entreprise + Optimisation des modèles existants + Dé nition/négociation de contrats d’interface et de data mapping + Développement des couches bases et intermédiaires du Data Warehouse + Développement des datamarts utiles aux enjeux des différents entités business, en collaboration directe avec les stakeholders + Dé nition des vues qui exposeront la donnée à d'autres outils (visualisation, outils de production, ) + Mise en place des tests de qualité pour garantir la abilité des données sousjacentes + Remontée d'alertes auprès des équipes business et formation a n de les amener à construire eux mêmes des rapports, des metrics & analyses + Participation à l’innovation et à l’amélioration continue des processus de données. Environnement technique Snow ake, Snowpipe, Snowsight, Tableau, Datahub, Aws S3, VsCode, SQL, Terraform, Gitlab, Service Now, Jira, Con uence, Scrum. Résultat: Mise en place en production d'un data product à disposition des business pour le suivi des fees attribués aux différents hôtels du groupe.

Contexte: LVMH Beauty Tech est l’équipe IT/IS dédiée à la Division Beauté de LVMH. L'entité permet de construire, accompagner et exploiter des solutions qui apportent innovation et valeur business à chaque Maison de Beauté LVMH comme Parfums Christian Dior, Guerlain, Bene t, etc. J'étais rattaché à la maison Guerlain, en tenant compte de leurs spéci cités, tout en suivant un modèle partagé et mutualisé. Missions: + Contribution à la conception et à la gestion du modèle des données, ainsi qu’aux orientations en termes d'architecture de la data platform (référentiels, API, …) + Analyse des incidents, points de fragilité ou de demandes de support liés à l'utilisation de la plateforme de données + Réalisation des tests unitaires des développements et support des utilisateurs métiers dans leurs tests avant validation nale + Consolidation des données provenant de diverses sources (Meta (Adscentric), CRM (OneBase & Salesforce), web analytics (GA4)…) + Mise en place de KPI d'enrichissement du client dans le DWH + Développement des datamarts utiles aux enjeux de la société, en collaboration directe avec les stakeholders + Conception, documentation et supervision de la mise en œuvre liée à l’évolution des schémas data (y compris l’observabilité des données) Environnement technique: Analyse fonctionnelle, BigQuery, gestion de recette, Azure Devops, Google Cloud Platform, Power BI, Scrum, SQL, Dataiku, Jira Résultat: Mise à niveau de la documentation fonctionnel et technique de la customer data plateform de Guerlain

Contexte: La Beauty Tech est la façon dont L'oreal connais intimement ses consommateurs, en enrichissant leurs parcours beauté avec des expériences diversi ées et durables sans précédent. La Beauty Tech donne au Groupe les atouts clés pour conquérir ce nouveau monde où la Tech est devenue stratégique. J'étais un membre de l'équipe EMEA avec une dizaines de data engineers et product owners, j'ai contribué à des ptrojets à destination des division L'oreal Luxe France et L'oreal Produit Grand Public. Missions: + Recueill les besoins en data des différents business unit et comprendre les problématiques métiers et les traduire de manière analytique. + Collecte, stockage et exploitation uides des données en développant des solutions qui peuvent traiter un gros volume de données dans un temps limité. + Construction des use cases data prenant en compte une masse importante de données avec des technologies Data Cloud telles que BigQuery, Cloud Run, Cloud Work ow. + Pilotage des actions et pratiques permettant de garantir l’intégrité et la qualité des données + Participation à l’élaboration de la stratégie data des use cases dans la continuité de la gouvernance data (Data cartography, Data model, Data acquisition, Data integration, Data cleansing, Data analyse) + Assurance de la disponibilité de la plateforme avec les équipes d’exploitation dans un mode DevOps + Réalisation d'analyses ad'hoc en réponse aux problématiques business et les communiquer à tout type d’audience (aussi bien technique que non technique). + Création et maintenance d'une collaboration forte avec les autres équipes de l’IT (DevOps, Sécurité,Architecture) et les équipes Data Factory IT Global) Environnement technique: Analyse fonctionnelle, BigQuery, gestion de recette, GitHub, Google Cloud Platform, Power BI, Python, Scrum, SQL, Terraform , Résultat: Mise en production du projet LuxePos360 dans GCP, permettant aux utilisateurs métiers de récupérer des informations sur leur point de vente de manière ergonomique et optimisée via des rapports Power BI

- Animation des ateliers d'expression de besoin autours de la cliente - Développement des scripts de préparation et manipulation de données - Structuration de la donnée en coordination avec les équipes de modélisation - Participation à des sessions techniques d'échanges ou de transfert de connaissances - Mise en place d'une solution technique basé sur cloud function permettant l'intégartion des fichiers plats csv contenant les données de la dmp dans un dataset sur BigQuery - Réalisation d'un benchmark entre Snowflake et BigQuery pour choisir la meilleur solution intégrant les meilleurs outils ML - Intégration du parcours d’achat de la cliente sur le site internet dans le DWH - Remontée de la donnée contenant la catégorie de produit la plus achetée dans les plateformes publicitaires (Google, Facebook, Rakuten) Résultat: Mise en place d'une solution technique de geocoding dans GCP, permettant le calcul de la distance entre les adresses des magasins et les adresses postal des clientes dans un rayon de moins de 50 km pour une meilleur personnalisation des offres marketing. Technologies utilisés: Snowflake, BigQuery, Oracle 11g, Cloud storage, Oracle Sql Developer, AI Plateform, Python, Jupyter Notebook, Adobe Campaign, Tag Commander, Trello.

- Développement et optimisation des flux ETL ODS / SAS / DWH - Modélisation et enrichissement des Data Warehouse et Datamart - Réalisation des spécifications fonctionnelles et techniques - Identification des risques et analyse d'impact - Mise en production et validation de service régulier - Administration et optimisation de l'infrastructure BI avec les DBA. - Réalisation des tests & validations dans le composant CRM - Mise à jour de l'outil de ticketing afin de faciliter le reporting et le suivi des sujets - Participation des projets MDM et Référentiel Client Unique - Formalisation des expressions de besoins (cadrage et spécifications) Résultat: Mise en production d'un projet de build et run de gestion de campagnes marketing du pays Allemagne pour Sephora. Technologies utilisés: Sql Server, MS SQL Management Studion,T-SQL,Power BI, Visual Studio For Data Tools, SSIS, Adobe Campaign, Jira, Sésame, Kanban.

Projet: Conception et implémentation d’une base de données et création d’applications de pilotage des process d’alimentation et d’applications de traitement du langage naturel. Liste des missions: • Conception et implémentation de la base de données de production dans le serveur local de l’entreprise. • Définition des principaux processus d’alimentation des tables de la base • Spécification et écriture des procédures correspondant aux traitements o Échange de données (FTP) o Chargement/Mise à jour de la Base de Données o Requêtes paramétrables d’extraction • Choix et implémentation d’un outil de visualisation • Conception et implémentation des procédures de Contrôle Qualité • Documentation des programmes et procédures développés Résultats: - Un modèle de SGBD robuste et performant a été implémenté - L’ensemble des données issues du web scraping a été chargé (y compris une première vague de mise à jour trimestrielle) - Les résultats du traitement du langage naturel ont été intégrés à la base - Les requêtes permettant l’extraction d’informations à destination des projets-clients ont été implémentées Et surtout - Un premier projet a été vendu et réalisé sur la base de ce nouveau système de production !