AFANVI Kodjo Roland

Participation à la conception et à l'évolution de la plateforme Data de Saint-Gobain PAM, avec pour objectif de centraliser, structurer et rendre exploitables des données issues de différents systèmes d'information. • Conception et développement de pipelines de données avec Azure Data Factory pour automatiser l'ingestion et l'intégration de données multi-sources dans Snowflake. • Intégration des données Salesforce CRM (clients, contacts, offres et opportunités) dans Snowflake, avec structuration des couches Data Lake et Data Warehouse et mise en place d'un processus réutilisable pour faciliter l'intégration de nouvelles données. • Conception et alimentation d'un Datamart dédié à l'analyse des ventes, centralisant les données clients, produits, structures commerciales, commandes et ventes pour leur exploitation analytique et leur visualisation dans Power BI. • Conception d'une couche de données dédiée à une plateforme web client, permettant de centraliser et structurer dans Snowflake les données nécessaires à leur exposition via API. • Intégration de données issues de SAP Maintenance et Finance vers Snowflake, afin de rendre les données ERP disponibles au sein de la plateforme Data pour de nouveaux usages analytiques. • Étude et conception de l'intégration de données industrielles issues du MES et de SQL Server vers Snowflake, avec analyse des flux et prise en compte des contraintes d'architecture, de réseau et de sécurité entre les environnements industriels et Cloud. • Développement de traitements SQL, modèles de données et contrôles de qualité pour fiabiliser, transformer et préparer les données destinées aux différents usages Data & Analytics. Environnement technique : Snowflake - Azure Data Factory - Fivetran - SQL - Python - Salesforce - SAP - SAP SLT - SQL Server - Power BI - Power Query - Git

Expérience au sein des équipes de Saint-Gobain PAM Deutschland autour de l'exploitation et de la valorisation des données industrielles. • Exploitation, préparation et analyse de données industrielles issues de SQL Server pour répondre aux besoins de suivi des équipes de production. • Développement et amélioration de dashboards Power BI permettant de suivre et d'analyser les principaux indicateurs liés à l'activité industrielle. • Travail sur la qualité, la structuration et la fiabilisation des données utilisées dans les analyses et reportings. • Collaboration avec les équipes locales dans un environnement industriel international, avec compréhension des besoins et adaptation des solutions de reporting. Environnement technique : SQL - SQL Server - Python - Power BI

Participation au Datathon IA4Care organisé à l'ESEO Dijon, autour de l'utilisation de la Data et de l'Intelligence Artificielle appliquées à la santé. • Développement d'un modèle de Machine Learning visant à prédire l'observance des patients à partir de données démographiques, cliniques et comportementales. • Préparation, traitement et analyse des données nécessaires à l'entraînement et à l'évaluation du modèle prédictif. • Conception et développement d'une application web intégrant le modèle, permettant de visualiser et d'exploiter les prédictions générées. • Réalisation du projet en équipe dans le cadre d'un Datathon de 3 jours, de l'analyse de la problématique jusqu'à la présentation de la solution. Compétences mobilisées : Python - Machine Learning - Data Analysis - Data Visualization - Développement Web

Conception d'une solution Data permettant de traiter, structurer et mettre à disposition des données de mal-endettement pour leur utilisation dans la plateforme web interne de l'entreprise. • Conception d'une chaîne de traitement des données, de leur préparation jusqu'à leur stockage : collecte, nettoyage et transformation avec Python et SQL. • Modélisation et structuration des données dans PostgreSQL afin de disposer d'une base organisée et exploitable par les différents composants de l'application. • Conception et développement d'une API REST avec FastAPI permettant d'exposer les données traitées aux développeurs et de les intégrer à la plateforme web interne de l'entreprise. • Participation à la documentation et à l'industrialisation de la solution avec Git et Docker. Environnement technique : Python - SQL - PostgreSQL - FastAPI - Docker - Git