Leslie-Joyce BOSTON

Objectif/Challenge : De l’absence de gouvernance des données à la mise en œuvre d’une stratégie data et d’un dispositif de Data Management opérationnel. Contexte : Une stratégie globale de gouvernance et un dispositif opérationnel de Data Management ayant déjà été définis et déployés sur d’autres périmètres, il devenait urgent d’en accélérer l’extension à ces directions sensibles, sans rupture opérationnelle. Co‑garante de la transformation data et de la mise en conformité RGPD, j'avais comme challenge de déployer en 3 mois un dispositif opérationnel de Data Management pour les deux directions, incluant la structuration des métadonnées et l’utilisation de Collibra, tout en assurant la continuité des services et l’alignement avec la stratégie globale. Pour y parvenir, j'ai : • réalisé un diagnostic de maturité data : audit des usages, compétences et écarts par rapport aux pratiques cibles ; • défini les ambitions data en cohérence avec les enjeux métiers et mobilisé des ambassadeurs métiers & IT ; • animé des ateliers collaboratifs métiers/IT pour aligner priorités business et data ; • mis en place la gouvernance locale (kick-off, COPIL) et construis des roadmaps de transformation ; • réalisé un reporting régulier auprès des directions métiers et du COMEX ; • conçu un outil Excel d'import des métadonnées dans Collibra — support de formation et levier d'automatisation, capitalisé au sein du Data Office pour déploiement à l'échelle d'AXA France. Résultats : • 100% des binômes Data Owners / Data Stewards identifiés, sensibilisés et formés (30 personnes) ; • 80% des objets métiers documentés dans Collibra ; • Dispositif opérationnel déployé en 3 mois et adopté par l'ensemble des parties prenantes ; • Outil Excel capitalisé pour une dizaine de directions à l'échelle d'AXA France.

Objectif/Challenge : D’une opacité opérationnelle générant un fort risque réglementaire à un pilotage maîtrisé et une confiance client restaurée. Contexte : Absence de visibilité de la gestion des incidents et de l'état du support engendrant un risque imminent et élevé de pénalités financières réglementaires massives dues à l'explosion des délais de résolution et une augmentation constante du mécontentement des franchisés. Garante de la livraison, ma mission consistait à faire évoluer et livrer un rapport de suivi en temps réel de l'état du support (visibilité du statut de résolution des incidents en cours) pour tous les franchisés KFC du territoire national, en sécurisant la continuité et qualité absolues de service délivrées aux clients. Pour y parvenir, j'ai : • analysé l'existant : sources de données, structuration et modélisation du modèle de données ; • formalisé le besoin via des ateliers métiers ; • construis le reporting (Power BI Desktop, Power Query, mesures DAX, Power BI Service) ; • réalisé la mise en production sécurisée sans rupture de service ; • rédigé la documentation technico-fonctionnelle. Résultats : • Visibilité de 100% des incidents en cours et de leur statut pour tout le réseau ; • -50% de sollicitations au support - gain de temps significatif pour les franchisés et leurs équipes ; • Pénalités contractuelles et réglementaires évitées ; • Satisfaction client restaurée : +50 franchisés, plus de 380 restaurants.

Objectif/Challenge : D’une saturation critique des flux de gestion des sinistres à -50% de temps de traitement avec une sécurisation des délais réglementaires et une satisfaction client rétablie. Contexte : Dans le cadre du traitement des déclarations de sinistre incapacité, invalidité et décès des prévoyances collective et individuelle, l’enjeu est d’implémenter des flux applicatifs destinés à automatiser les processus/chaînes de traitement métier. L’objectif de ces implémentations est de réduire les déperditions, d’augmenter l’efficacité opérationnelle et de permettre aux gestionnaires d’être focalisés sur leur expertise en lieu et place de tâches sans valeur ajoutée. Co-garante de la livraison, ma mission consistait à piloter l’automatisation de bout en bout de flux métiers complexes (maladie, invalidité et décès), en garantissant la continuité et qualité absolues de service délivrées aux assurés. Pour y parvenir, j'ai : • identifié et qualifié les opportunités d'automatisation pour réduire les tâches à faible valeur ajoutée ; • animé des ateliers métiers et modélisation des processus (BPMN & DMN — Camunda modeler) ; • été l'interface clé métiers / IT / développeurs ; • défini et piloté la stratégie de tests bout en bout (plan, exécution, correction des anomalies) ; • coordonné les UAT : validation des parcours métiers, respect des SLA et qualité de service ; • piloté le run : diagnostic, priorisation et résolution des incidents de production ; • rédigé les spécifications technico-fonctionnelles. Résultats : • -50% de temps de traitement des dossiers ; • -50% de reprises, allers-retours et frictions opérationnelles ; • Dossiers transmis aux gestionnaires 100% complets et exploitables ; • Pénalités contractuelles et réglementaires évitées ; • Mise en production sans rupture de service ; • Satisfaction client et gestionnaires retrouvée.

Objectif/Challenge : D’un écosystème data fragmenté et legacy à une source unique consolidée avec un reporting fiable et une performance industrielle garantie. Contexte : Écosystème data fragmenté et legacy exposant l'entreprise à des décisions stratégiques erronées, des surcoûts opérationnels et une perte de compétitivité. Consolidation et fiabilisation des données devenues urgentes. En charge de la livraison, ma mission consistait à assurer la migration des données (Apache Impala vers Snowflake) tout en garantissant la continuité de service jusqu’au décommissionnement du système legacy. En parallèle, j’ai conçu et fait évoluer le reporting Power BI afin de garantir un pilotage industriel data-driven fiable. Pour y parvenir, j'ai : • analysé l'existant : sources, flux de données, scripts Python, modélisation des données ; • animé des ateliers métiers, formalisé le besoin et réalisé des mockups ; • injecté et transformé des données (Python, PySpark, Azure Databricks, SQL, Snowflake) ; • mis en place et au maintenu un double run Impala / Snowflake pour garantir 0 interruption durant la transition ; • construis et maintenu le reporting de production et gestion des stocks (Power BI Desktop, Power Query, DAX, Power BI Service) ; • créées des pipelines de déploiement Power BI et de mise en production sécurisée ; • rédigé la documentation technique et fonctionnelle. Résultats : • 100% des flux de données critiques centralisés dans une source unique sur Snowflake ; • 0 interruption de service durant toute la phase de migration ; • Fiabilisation des KPIs stratégiques avec suivi quasi temps réel ; • Traçabilité complète des transformations (data lineage documenté) ; • Réduction des surcoûts logistiques et pénalités liés aux incohérences de données ; • Stack data legacy modernisée vers une architecture cloud robuste et pérenne.

Objectif/Challenge : De l’absence d’un reporting RH consolidé et automatisé à un pilotage data-driven fiable pour piloter les effectifs de tous les sites de l’entreprise. Contexte : Absence d’un reporting consolidé, générant des reportings RH manuels et peu fiables qui affectait directement la performance de l'entreprise. Il était urgent de réaliser un reporting RH automatisé et consolidé pour concilier performance de l'entreprise et bien-être des collaborateurs. Co-garante de la livraison, ma mission consistait à concevoir, livrer et faire évoluer des rapports et tableaux de bord Power BI et SQL Server ainsi que générer des flux et des fichiers csv automatisés pour garantir un pilotage opérationnel et stratégique data-driven fiable des effectifs de l’entreprise. Pour y parvenir, j'ai : • analysé l'existant : sources de données et cartographie applicative ; • animé des ateliers métiers et collaboré avec le delivery lead, les data architects, les data engineers et les data analysts ; • intégrées des données multi-sources et modélisé des données (Power BI Desktop, Power Query, DAX, SQL Server) ; • construis le reporting de pilotage des effectifs et des rapports paginés ; • générés des flux et fichiers CSV automatisés (Azure Databricks, SQL, Azure Data Lake Storage Gen2) ; • corrigés des anomalies et rédigées des spécifications technico-fonctionnelles. Résultats : • 100% des données RH et indicateurs fiables et consolidés pour tous les sites ; • +50% de productivité pour les équipes RH - zéro action manuelle résiduelle ; • Visibilité quasi temps réel des effectifs pour le top management ; • Fichiers générés automatiquement à la demande ; • Mise en production sans rupture de service ; • Confiance décisionnelle rétablie sur des données sensibles.