Ilyess Batal

Contexte : Accompagnement du groupe Accor sur la modernisation de sa plateforme data customer / marketing, avec de forts enjeux de fiabilité, de gouvernance et de continuité de service sur des flux de données critiques alimentant les usages métiers et analytiques. Missions : Data Platform : Structuration de l’architecture data sur Snowflake, formalisation des conventions de développement et clarification des dépendances entre couches de données afin d’améliorer la lisibilité, la maintenabilité et la robustesse de la plateforme. Migration : Pilotage de chantiers de migration de flux de données entre systèmes legacy et nouvelles chaînes d’alimentation, avec cadrage technique, analyse d’impacts, validation des mappings, stratégie de reprise d’historique et sécurisation des traitements d’alimentation et de purge. IA & Automatisation : Identification de cas d’usage IA autour de la plateforme data, notamment pour accélérer l’analyse des incidents, faciliter la compréhension des flux, assister la documentation technique et améliorer la productivité des équipes data grâce à des agents IA connectés au contexte projet. Standards & Industrialisation : Mise en place de standards de delivery autour de Snowflake, dbt et Airflow, avec documentation des bonnes pratiques, checklists opérationnelles et playbooks d’équipe pour rendre les workflows plus fiables, reproductibles et maintenables. Stack : Snowflake, Terraform, SQL, dbt, Airflow, Data Governance, Data Quality

Contexte : Modernisation de la santé au travail au sein de l’équipe Intégration de PADOA. Structuration et ingestion des données clients dans une plateforme SaaS utilisée pour suivre de +10 millions de salariés en France. Missions : Data Quality & Gouvernance : Audit, fiabilisation et normalisation de schémas de données hétérogènes afin de garantir la cohérence métier, l’intégrité référentielle et la qualité des données exploitées en production. Data Engineering : Conception et industrialisation de pipelines de données scalables en Python et dbt avec ingestion incrémentale, optimisation des traitements et réduction des coûts d’exécution. Orchestration & Fiabilité : Automatisation et supervision de workflows sous Airflow avec gestion avancée des dépendances, stratégies de retry, idempotence et monitoring des exécutions.

Contexte : Conception et deploiement de pipelines de données pour transformer la donnée brute en insights actionnables pour le CRM Salesforce chez différents clients du segment : RETAIL x CAC40 Intégration des flux de données clients dans Salesforce Data Cloud, garantissant la cohérence et la fiabilité des modèles analytiques. AI Agentic Workflows : Conception et déploiement d'agents IA pour automatiser l'analyse de données et la recommandation d'actions métier au sein du CRM. Connexion de Salesforce Data Cloud à des datawares (surtout Snowflake), permettant un suivi en temps réel de KPI (budgets, impayés, recouvrements). Stack : Snowflake, Airflow, Python, Terraform, SQL, Tableau, Salesforce Data Cloud, AgentForce. Clients : Dior, Elis, Airliquide...

Contexte : Pilotage de la refonte complète de la plateforme Data afin d’assurer une intégration fluide des données sur nos consultants et des analyses plus rapides. - Migration Cloud vers On-Prem : remplacement d’Azure Data Factory par des pipelines Python modulaires, orchestrés et industrialisés via Airflow pour automatiser les échanges de données entre systèmes internes et partenaires. - Modélisation et intégration des données clients dans Snowflake, avec une architecture en étoile et des modèles DBT pour les reporting métiers. - Mise en place du CI/CD Data via Terraform, garantissant la traçabilité et la reproductibilité des déploiements. Stack : Python, Snowflake, DBT, Terraform, Git, Azure

Contexte : Modernisation de la plateforme data nationale en automatisant l’intégration et la valorisation des données métiers au service de la performance institutionnelle. - Conception et déploiement d’une modern data stack pour centraliser et fiabiliser les flux de données entre sources internes (comptabilité, RH, recouvrement). - Automatisation des pipelines d’intégration et de transformation des données en Python et Airflow, réduisant les délais de traitement et les erreurs manuelles. - Modélisation des indicateurs clés dans BigQuery / DBT et création de dashboards Power BI, offrant une vision consolidée et temps réel des KPI stratégiques. - Amélioration de la gouvernance et de la qualité des données, favorisant une meilleure collaboration entre les équipes métiers et techniques. Stack : Python, SQL, Power BI, Airflow, DBT, BigQuery