Eva ZAROUGUI

• Animation d'ateliers métiers pour le cadrage du besoin en vue de production de reportings Power BI • Coordination efficace et communication avec toutes les parties prenantes du projet • Rédaction de la documentation technique traduisant le besoin métier en spécifications exploitables • Modélisation de la donnée (modèle en étoile) pour répondre aux exigences métier et implémentation de cette modélisation à l'aide de Pyspark dans un environnement Azure Databricks • Développement de rapports Power BI interactifs et ergonomiques avec accompagnement à la prise en main et à l'analyse • Configuration des règles et des droits d'accès aux rapports Power BI tout en consolidant l'ensemble des rapports dans une application unique et sécurisée. • Mise en place et pilotage du RUN Power BI : monitoring des datasets, analyse et résolution des erreurs de refresh, audit technique régulier des modèles et performances, documentation des incidents et amélioration continue des environnements analytiques • Extraction et analyse de données métiers dans un environnement Azure Databricks, à l’aide de SQL et PySpark

• Identification des besoins métiers par une veille et une proximité avec les équipes opérationnelles • Elaboration de tableaux de bords sur Power BI qui répondent aux différents besoins de suivi (suivi de production / suivi du déploiement du réseau) : Collecte et nettoyage de la donnée - Modélisation de la donnée - Création des mesures DAX - Choix des visuels appropriés - Définition et gestion des droits d'accès - Publication et paramétrage du refresh • Conception et Automatisation de chaines de traitement permettant l'analyse du réseau FttH. Outils : Python (Pandas, Arcpy), Excel VBA, ArcGIS. • Extraction des données métiers pertinentes pour les besoins d'exploitation, et automatisation de l'extraction. Outils : Sql, Python • Engagement actif dans l'accompagnement du changement pour faciliter la transition vers les nouveaux outils et processsus

- Réalisation d'une revue de littérature des méthodes et techniques permettant le passage d'une cartographie d'occupation du sol à une cartographie d'utilisation du sol. - Développement, sous Python, d'un outil de machine learning permettant de réaliser la classification de l'utilisation du sol à partir des cartes existantes d'occupation du sol (Raster), via l'utilisation des métriques paysagères.