Roxanne Khouani

• Développements et maintenance des flux de données sur Dataiku • Analyse et résolution des incidents ou anomalies sur les flux de données • Monitoring des pipelines en production • Industrialisation et automatisation de pipelines de données à l'aide de scénarios et scripts python • Aide aux équipes métiers sur leurs problématiques et proposition de solutions techniques afin de répondre à leurs besoins • Identifier les possibilités d'amélioration et évolutions des scripts d'automatisation • Mise en production des projets via des bundles Dataiku résultats : L’automatisation et l’optimisation des processus ont permis de réduire le temps d'exécutions des projets et d'augmenter significativement les performances de la plateforme. Ainsi les équipes métiers ont eu accès plus rapidement aux données et les plantages de la plateforme dû à des problèmes de performances ont été réduits. Environnement technique : Dataiku, Pyspark, SQL, Python, ETL

• Concevoir, développer et maintenir les flux de données sur Dataiku • Détecter, analyser et résoudre les incidents ou anomalies survenant sur les flux de données • Surveiller et assurer le bon fonctionnement des pipelines en production • Assurer la cohérence de la modélisation des données avec l'équipe de Data Analysts • Aider les métiers à identifier leurs problématiques et à qualifier leurs besoins afin d'y répondre grâce à la plateforme Dataiku DSS • Concevoir et maintenir une documentation technique des implémentations ETL sur les différents projets • Collaborer avec les équipes finance pour identifier les possibilités d'amélioration et d'analyse des données résultats : Réalisation de plusieurs projets dans Dataiku pour les différents périmètres du contrôle de gestion. Ce dernier vient en remplacement du précédant logiciel d'analyse. Création d'ateliers et transfert de connaissances pour la maintenance des projets par les équipes d'interne reprenant les projets. Environnement technique : Dataiku, SQL, Python, Hadoop (Hive, Hue), ETL

• Création des pipelines de traitements de données • Développements des procédures d’alimentation (ETL) et des flux de données • Maintenabilité des programmes développés • Interactions avec l’architecte, les équipes infrastructures et Cloud pour concevoir et maintenir les solutions de data engineering • Collaboration avec les équipes métiers afin d'identifier les besoins pour la conception et les possibilités d'amélioration • Rédaction et mise à jour de la documentation technique • Animation d'ateliers afin d'aider à l'adoption des bonnes pratiques sur la plateforme et formation des équipes métiers à l'utilisation de Dataiku résultats : Réalisation d'un projet dans Dataiku pour la collecte en temps réel des données de production d’une usine. Les données sont ensuite envoyés dans le logiciel de production Eschbach. Création d'ateliers et transfert de connaissances pour la maintenance des projets par les équipes d'interne reprenant les projets. Environnement technique : Dataiku, SQL, Python, Google Cloud Platform

• Identifier, collecter, explorer, comprendre et intégrer les données nécessaires à la résolution de problématiques métier et opérationnelles • Analyse et visualisation des données métiers • Présentation de résultats sous la forme de rapports d'études ou de tableaux de bord • Conception et développement de traitements de données • Développements spécifiques pour la transformation des données afin de la rendre exploitable et compréhensible pour les utilisateurs • Collaboration avec l'équipe de data scientists pour la mise à disposition des données résultats : Préparation et mise à disposition de la donnée pour une équipe de data scientists dans le cadre d'un projet permettent l'amélioration de la compréhension de la clientèle et ses habitudes de consommation. Réalisation de dashboards et de rapports d'études pour la résolution de problématiques métiers. Environnement technique : SQL, Knime, Python, Hive, Jupyter notebook

• Développements des procédures d’alimentation (ETL) • Collaboration avec les équipes techniques dans le choix des technologies utilisées pour la mise en place du Datalake • Conception et mise en œuvre des traitements d’alimentation du DataLake et de transformation des données • Maintenabilité de l’ETL • Mise en place des pipelines de traitements traitant des volumes importants de données résultats : Mise en place d'un ETL pour la collecte de logs provenant de diverses sources de données dans la base de données Elasticsearch et maintenance de celle-ci. Réalisation d'une solution de collecte de données en temps réel pour l'analyse des prises de jeux de paris sportifs. Environnement technique : Elasticsearch, Apache NiFi, Kibana, Python, Spark

• Développements spécifiques pour la transformation des données afin de la rendre exploitable et compréhensible pour les utilisateurs • Création de rapports pour l'analyse et l'interprétation des données à destination des utilisateurs métiers • Développement et maintenabilité des rapports existants de l'outil Crystal report • Développements de features pour l'application WMS • Maintenabilité de l’application résultats : Développements de nouvelles fonctionnalités pour l'application WMS. Correction de bugs et anomalies rencontrés par les utilisateurs de l'application et de l'ERP Sage X3. Environnement technique : SQL, Sage X3, Crystal report, PHP, Javascript, Git, L4G

– Mise en place d'une solution de reporting pour un logiciel de Point de Vente – Développement d'une application de Gestion de stocks Environnement technique : Sage BI Reporting, SQL, C#