Dorise Maud Ba

Contexte Dans le cadre du lancement de Charge E-Lec (janvier 2026), l'intégration des données de recharge électrique dans la CDP Siplec était un enjeu stratégique : sans données fiables et à jour, permettant le suivi du parc et des opérations commerciales, l'offre risquait d'être un échec. Mission Responsable de la création des Data Products mobilité électrique, en coordination avec les équipes métier et data. Réalisations techniques • Data Discovery et documentation de sources Pub/Sub complexes • Modélisation de données cible : contraintes d'intégrité, règles de gestion alignées sur les process métier • Développement SQL, tests et documentation dbt (respect des standards custom de l'équipe) • Formation SQL et accompagnement des Key Users métiers sur les Data Products Résultats mesurables • Référentiels temps réel en production (opérateurs, stations, points de charge), remplaçant un suivi manuel • Fiabilisation des données : correction de processus métiers grâce aux rejets dbt (doublons, champs non nuls manquants) • Livraison de champs conformes aux obligations réglementaires de facturation électronique • Résolution de bugs bloquants sur le référentiel prospects (RGPD, gestion multi-sources) • Autonomisation des Data Analysts métiers sur BigQuery/Looker Studio • Premiers cas d'activation automatisée (Charge E-Lec nouveaux magasins, alimentation CRM) Compétences mobilisées : SQL, dbt, modélisation de données, BigQuery, Pub/Sub, coordination métier/data

Contexte En 2025, Oxfam France publie l'Index de féminisation du pouvoir, un rapport relayé par les médias, produit de façon artisanale (avec un fichier Excel). Pour 2026, l'association fait appel à Data for Good pour automatiser et pérenniser la production du rapport annuel, et lancer un site interactif. Enjeu clé : transformer un processus manuel en chaîne automatisée fiable, sans compromettre la qualité des données ni la crédibilité de l'association sur un sujet fortement médiatisé. Mission Lead de l'équipe Base de données & dbt au sein d'un collectif de bénévoles, responsable de l'architecture et de la fiabilité de la couche de transformation des données et de la coordination avec les autres pôles du projet. Réalisations • Organisation et pilotage de l'équipe (sprint planning via NocoDB), reporting structuré à l'équipe projet (Outline) • Modélisation des données sourcées (Python/scraping et collecte manuelle) dans PostgreSQL, génération des modèles dbt • Gouvernance technique : code reviews GitHub, validation des MR, CI/CD via GitHub Actions • Négociation inter-équipes sur les choix techniques et les délais, en coordination avec les autres team leads • Gestion d'un calendrier sous tension : retard de sourcing lié à l'actualité des élections municipales, absorbé par une réorganisation rapide de l'équipe • Évangélisation de dbt auprès de profils non-initiés, accompagnement individuel à la montée en compétences Résultats mesurables • Rapport publié dans les délais (PDF fin avril, site web mai 2026) malgré les aléas de calendrier • Passage d'un processus manuel à une chaîne de production automatisée et documentée, pérennisable pour les années suivantes • Montée en compétences dbt des membres de l'équipe • Présentation des travaux au Demo Day Data for Good du 7 mai 2026, devant la communauté avec les équipes Oxfam Environnement technique : dbt Core, PostgreSQL, Git/GitHub (GitHub Actions), NocoDB, Outline, Jitsi Meet, Python, SQL

Contexte La bonne alternance, start-up d'État incubée chez beta.gouv, devait prouver l'atteinte de ses objectifs pour sécuriser son budget auprès de ses sponsors, en période d'austérité gouvernementale. Mission Apporter une expertise analytique pour identifier des leviers de croissance et automatiser la mesure d'impact, tout en stabilisant une infrastructure data défaillante, afin de garantir la transparence des résultats lors des comités d'investissement. Réalisations techniques • Refonte des pipelines Airbyte pour stopper les échecs de synchronisation et la saturation de la base PostgreSQL • Refonte du projet dbt : conventions de nommage, organisation en couches (staging/intermediate/marts), refactoring de modèles, tests et documentation • Automatisation de la mesure d'impact des candidatures (SQL/dbt/Metabase), en croisant les données de la plateforme avec des données gouvernementales, sans identifiant partagé • Pilotage d'enquêtes d'impact hors plateforme : échantillonnage et redressement statistique • Analyses de marché et de conversion pour orienter les évolutions produit, Growth et BizDev, et optimiser les campagnes marketing • Refonte du plan de tracking Matomo Analytics • Création de dashboards de suivi de performance Résultats mesurables • Budgets semestriels sécurisés en 2025 grâce à des preuves chiffrées de l'impact du service et de l'atteinte des objectifs de croissance • Disparition des bugs de synchronisation, réduction du temps de résolution des anomalies liées aux changements de schémas • Mesure d'impact automatisée, suivi affiné des utilisateurs entre services publics, rigueur statistique des enquêtes validée par la DARES • Données d'impact publiées (site, réseaux sociaux), renforçant la légitimité du service et menant à de nouveaux partenariats • Campagnes marketing optimisées, features et partenariats priorisés sur des données concrètes Compétences mobilisées : SQL, dbt, Airbyte, Metabase, PostgreSQL, statistiques, analyse de données

Contexte Suite à un appel d'offre public, Article 1 devait multiplier par 20 son activité de mentorat à l'échelle nationale en 2 ans. Sans pilotage data unifié, l'association naviguait à vue : chaque écart de reporting menaçait les partenariats et le versement des fonds publics, conditionné à l'atteinte d'objectifs semestriels stricts. Le diagnostic data était le verrou stratégique pour sécuriser la croissance et l'expansion régionale. Mission Définir la stratégie data jusqu'ici inexistante, de la sécurisation du financement public à la fiabilisation du reporting, tout en pilotant le passage à l'échelle technique et organisationnel de l'association. Réalisations techniques • Pilotage de la stratégie data et des roadmaps annuelles • Déploiement d'une Modern Data Stack (Airbyte, dbt Core, BigQuery) et construction d'un data warehouse • Modélisation SQL/dbt, gouvernance et formation des collaborateurs • Dashboards Looker Studio, analyses Python et automatisation des reportings Résultats mesurables • Déblocage de chaque palier de subvention publique grâce à la conformité totale des reportings, et renouvellement du partenariat gouvernemental • Passage de 2 000 à 40 000 binômes en 2 ans, capacité de gestion par chargé de mentorat x10, ouverture de 12 antennes régionales • Passage à l'échelle de l'infrastructure sans explosion des coûts (solutions Open Source, rationalisation des dashboards via RLS) • Transformation de la culture interne : +120 utilisateurs quotidiens des outils BI en autonomie • Optimisation des budgets, économies marketing identifiées, CPA maintenu dans le budget annuel, 20 postes clés pérennisés et +50 recrutements • Indicateurs alignés entre siège et antennes régionales pour un pilotage unifié de la croissance Compétences mobilisées : SQL, dbt Core, Airbyte, BigQuery, Python, Looker Studio, gouvernance data