Gabriel D.

Contexte Enjeu stratégique : construction d'une plateforme Data Lakehouse cloud unifiée pour un constructeur mondial de véhicules industriels, afin de centraliser et fiabiliser les données d'après-ventes pour le pilotage et le reporting. Contexte 100 % international (langue de travail : anglais). Responsabilités & réalisations • Poursuite du développement d'une plateforme Data cloud Azure existante et contribution aux choix d'architecture sur les évolutions (Databricks & ADLS, architecture médaillon, Python, SQL, PySpark, Delta Tables, Unity Catalog, Vault Speed). • Mise en place d'un accès analytique self-service via Databricks Genie : configuration de Genie Spaces (text-to-SQL en langage naturel) adossés aux Metric Views et à la gouvernance Unity Catalog, pour permettre aux équipes métier d'interroger la donnée sans écrire de SQL. • Développement et industrialisation de pipelines ELT/ETL avec orchestration et automatisation des workflows (jobs Databricks, gestion des dépendances, injection de paramètres). • Industrialisation DataOps : migration vers les Databricks Asset Bundles (DAB) comme standard de déploiement, CI/CD sur Azure DevOps. • Mise en place de la gouvernance data : Unity Catalog (RBAC / ABAC, conformité RGPD), qualité des données (DQX, data contracts), tests, monitoring et suivi FinOps via les system tables. • Restitution des données via Power BI avec gestion fine de la sécurité (RLS) ; analyse des Unity Catalog Metric Views (couche sémantique, articulation avec DAX). • Rédaction des spécifications fonctionnelles et techniques en anglais ; versioning et automatisation des déploiements via Azure DevOps / Git. Environnement • Azure, Databricks, Unity Catalog, Delta Lake, VaultSpeed, Azure Data Factory, Power BI, Azure DevOps, Databricks Asset Bundles, Python, SQL, PySpark, DAX, ADLS, Git.

Contexte Enjeu stratégique : construction d’un Data Warehouse cloud unifié suite à 15 acquisitions internationales, avec centralisation et fiabilisation des indicateurs financiers pour le pilotage du board et des investisseurs (KKR). Contexte 100% international. Responsabilités & réalisations • Conception et mise en place d’une plateforme Data cloud Azure basée sur Databricks & Azure Data Lake (Python, SQL, PySpark, Delta Tables, Unity Catalog). • Définition de l’architecture data : implémentation d’une architecture Data Lakehouse en médaillon, gestion des ressources Azure, Key Vault, sécurité réseau, SFTP, environnements Dev/Prod, infrastructure via Terraform. • Pilotage d'un projet Microsoft Fabric : exploitation des capacités Lakehouse et Data Factory pour optimiser le traitement de bout en bout. • Développement et industrialisation de pipelines ELT/ETL avec orchestration et automatisation des workflows. • Modélisation dimensionnelle (schéma en étoile) pour les usages finance, opérationnels et techniques. • Mise en place de la gouvernance data : qualité des données, tests, triggers, monitoring. • Restitution des données via Power BI, rapports paginés, API self-service, avec gestion fine de la sécurité (RLS). • Orchestration de pipelines de données via Airflow (DAGs) pour des sources externes à Azure. • Pilotage via Azure DevOps et GitHub pour le versioning, CI/CD et automatisation des déploiements. • Rédaction des spécifications fonctionnelles et techniques en anglais via Confluence. Gestion ticketing via JIRA. Livrables clés & impact business • Dashboards Finance (ARR, new biz, churn, stock, price effects) → visibilité auprès des investisseurs. • Détection d’anomalies des contrats → 150k€ d’ARR sécurisé. Suivi du stock réel vs budget vs forecast→ gain de 20 jours homme / trimestre. • Dashboard opérationnel, analyses cohortes clients & segmentation business. • Rapports IFRS, cashflow et reporting cross-country → fiabilité et tracaçbilité pour contrôle d’audit des comptes • Migration d’un portefeuille externe dans le CRM (≈15k contrats & sinistres) → gain de temps pour les équipes au quotidien (contrat prélevés automatiquement, génération des échéanciers..). Environnement • Azure, Databricks, Power BI, Airflow, Fabric, Spark, Python, SQL, DAX, ADLS, Terraform, Confluence, Jira, Git

Développement d’un simulateur d’exploration muséale sous Unity.

Ajout d'extensions au logiciel VisArtico, logiciel de visualisation de données articulatoires développé en Java.