Jean-Jules Sandeu

CONTEXTE : Au sein de la Direction Architecture j’ai pour mission d’instruire, pour le compte des projets métier/IT, l’architecture des données à valider par un passage en Comité d’Architecture avant démarrage. L’instruction adresse les problématiques data posées par le(s) besoin(s) et l’alignement des solutions proposées aux : - Principes d’architecture SI - Exigences de conformité interne et réglementaire - Contraintes de sécurité et de protection des données - Patterns d’architecture data et le blueprint solution data en vigueur MISSIONS : Des dizaines de missions confiées à date dont ci-dessous quelques majeures :  Architecture data du programme de migration du SI Data suite à un rachat - Sponsor métier  Architecture data d’intégration des services non assuranciels - Sponsor métier  Architecture data de marquage des contrats de produits d’assurance (IARD, VIE, …) et leurs actes de gestion (sinistres, primes, rentes, …) - Sponsor IT  Trajectoire d’architecture data projetée sur les patterns « Data Warehouse » (socle technologique Oracle) et « Data Lake » (socle technologique CDP) vers des patterns « Data Lake House » (socle technologique ADLS / SNOWFLAKE) et « Data Mesh » (socle technologique SNOWFLAKE) – Sponsor IT Les principaux travaux liés :  Instructions d’architecture  Formalisation du dossier d’architecture  Passage en comité d’architecture  Accompagnement opérationnel de la mise en œuvre

CONTEXTE : Suite à la création d’une entité Data Management au sein du groupe, j’ai été sollicité pour une mission en 2 temps en support du nouveau CDO. Un premier temps sur la contribution à la définition de la stratégie data du groupe, et un second temps sur l’activation de cette stratégie. Mission portée sur l’international. MISSIONS : Les principaux travaux liés à :  La définition de la stratégie data : o Définir les capacités data à standardisées alignés aux besoins de circulation maitrisée de la données : Master Data modeling, Data integration, Data quality, Data Security, Data sharing/Storage, Data visualization o Proposer une Architecture Data intégrant la dimension groupe et alignée aux exigences de conformité (réglementation et norme), de cybersécurité.  L’activation de la stratégie : o Identification et choix des solutions pour couvrir chaque capacité data, et garantir l’interopérabilité intra solution data et inter SI o Définir les patterns d’industrialisation data o Accompagner le centre de service data dans la mise en œuvre des cas d’usages métier (data analytics, data exploration, data visualization, data science)

CONTEXTE : L’entité réglementée du groupe sur les aspects monétiques souhaite valoriser tout son potentiel data par la définition et la vulgarisation de service « data » au sein du groupe Carrefour et en dehors. Il faut tenir compte également de la sensibilité des types de données manipulées (données monétiques soumis à réglementation PCI DSS, données à caractère personnel), et surtout de l’apport technologie du contrat cadre signé entre Carrefour et Google. MISSIONS : Les principaux travaux et livrables réalisés organisés en 3 axes :  Axe Gouvernance : o Formalisation de l’offre de services de la plateforme Data et de son plan d’actions d’activation o Déclinaison des règles de gouvernance data au regard des normes et règlementations (PCI DSS, RGPD, DSP2 3DS)  Axe Produit : o Formalisation des dossiers d’architecture applicative et technique en tenant compte de la sensibilité des données manipulés, nécessitant d’éclairer sur les pratiques de désensibilisation et de gestion des modèles d’habilitation o Conception de pattern d’industrialisation de la chaine data (framework de mise en œuvre des traitements d’ingestion à l’exposition)  Axe service : o Déclinaison des services data et transverse notamment : - les interfaces (SFTP, API REST, Pub/Sub) et mode (Batch, micro batch, fil de l’eau) d’acquisition / d’exposition Livrables : DAG, DEX, Note de cadrage offre de services, Plan d’actions d’activation, modèle de spécification de flux de données, modèle de spécification d’usage data, modèle d’exposition data (contrat de service API, fichier)

Après plusieurs années de mission sur des problématiques SI autour de sujets liés à l'intégration applicative (EAI, ESB), à une approche orientée service de l'architecture (SOA) du SI, je me suis lancé depuis peu dans le très actuel monde du Big Data.

CONTEXTE: Carrefour Banque lance une série d’expérimentations afin de : • démontrer la valeur pour les métiers de pouvoir exploiter la richesse informationnelle de l’entreprise • qualifier l’ensemble des données dont l’entreprise a besoin pour servir ses enjeux métiers • identifier le potentiel de valorisation de son patrimoine Data notamment sur de nouveaux usages digitaux MISSIONS : Accompagner les différentes expérimentations data sur Google Data Lab Objectif 1 – Acculturer les métiers à la valorisation de la donnée par l’expérimentation Les principaux travaux ont eu pour objectifs :  Formaliser le cycle de vie d’une expérimentation data : les différentes phases à maitriser  Définir les critères d’éligibilité à l’expérimentation d’un cas d’usages  Définir les critères de sortie d’une expérimentation permettant de projeter et sécuriser l’industrialisation ou non des résultats  Poser le modèle de gouvernance d’une expérimentation pour en décliner les apports des acteurs métier dans le succès d’une expérimentation Objectif 2 – Montrer l’apport de la data science / Machine learning dans les cas d’usages métier Pour les métiers du Risque, du Marketing, de la Conformité, les principaux travaux ont eu pour objectifs :  De mettre en œuvre des pipelines de préparation de la donnée en y intégrant les capacités de désensibilisation de la donnée tout en garantissant son exploitatbilité  De mettre en œuvre une solution s’appuyant sur la data science, et si possible sur les algorithmes de machine learning o Démonstration des approches supervisées et non supervisées o Implémentation des principaux algorithmes standards : XGBOOST, K-Means, …  De montrer la data visualisation possible en standard sur Notebook

Construction du Socle (technique & applicatif) Data Centric – DataHub Illustration des capacités Socle Data Centric via 2 usages aux enjeux métiers forts

Sous la responsabilité du Lead Data Lab, construire une première offre de services du Data Lab

Sous le pilotage du responsable Data Lab, exécuter les activités suivantes: - Contribuer aux études (d’opportunité et de faisabilité) métiers en apportant l’expertise Big Data - Animer techniquement la communauté des utilisateurs (métier et IT) du Data Lab - Piloter l'activation et le suivi des XP sur le Data Lab en assurant les travaux de data engeniering et de support technique aux outils

cas d'usage correspondant à un besoin métier issu d'une exigence réglementaire. le projet a eu 2 phases: - phase de preuve de valeur d'un écosystème Big Data - phase d'industrialisation du cas d'usage

- Objectifs : Proposition d’architectures techniques hybrides (BizTalk + Azure + MDS) pour les projets d’échanges transitant par la plateforme Médiation. Accompagnement de l’équipe d’exploitation dans la surveillance et la mise en œuvre d’actions correctives pour les bugs en environnement de Production Expert technique et Team leader équipe de développement Médiation

Au sein de la ligne d'activités dédiée aux plateformes d'entreprise, j’interviens auprès des clients dans la définition des architectures de plateforme d’échange construite autour des solutions Microsoft. La valeur ajoutée de mes interventions réside dans une approche urbanisée des propositions d’architecture, garantissant un alignement du SI au métier.

- Objectifs Proposition d’architectures techniques pour le chantier de migration des flux B2B de WebSphere vers BizTalk Server - Attente du client : Proposition d’architecture à valeur ajoutée (intégration de principes d’urbanisation) Accompagnement lors de la conception technique des flux BizTalk