Sylvain Noah

Contexte: Modernisation de la plateforme Data d'Andros et migration des flux vers IBM Data Replication pour améliorer la fiabilité, la qualité et le pilotage des données. – Mission menée dans un contexte international, avec : – Migration de modules Data pour les États-Unis – Interactions régulières en anglais avec des équipes non francophones – Enjeux business forts et délais contraints, dans un environnement tendu – Développement de scripts de CHCCLP pour replication de données – Analyse des réplications existant (Talend Data Distribution) afin d'effectuer la migration vers IBM Data Replication – Collaboration avec le métier pour la définition des indicateurs clés des tables à reprendre. – Mise en place de contrôles d'intégrité et de qualité des données post-migration (volumétrie, cohérence, doublons, latence). – Optimisation des performances des flux de réplication (tuning des paramètres IDR, parallélisation, monitoring des latences). – Conception et mise à jour de tableaux de bord Power BI pour le suivi de la performance opérationnelle des flux de réplication, la surveillance des incidents, et l'analyse des KPIs métiers. – Concevoir les schémas Snowflake (raw / staging / curated, Data Vault, étoile, etc.) – Traduire les besoins métier en modèles analytiques exploitables – Gérer les clés, historisations, slowly changing dimensions – Écrire et optimiser des requêtes SQL complexes – Développement de scripts Python pour l'automatisation des contrôles de qualité, la supervision des flux et l'analyse des écarts post-ingestion – Créer: – tables, vues, vues matérialisées – streams & tasks – Optimiser les coûts et performances (clustering, pruning, warehouse sizing) – Analyse statistique et interprétation des résultats pour identifier les leviers d'amélioration sur la qualité des données et la performance de la plateforme Data. – Formation et transfert de compétences aux équipes internes pour assurer la maintenance et la supervision des flux après migration. – Versioning des pipelines et scripts via Git – Participation à la mise en place de chaînes CI/CD data (tests de requêtes, déploiements Snowflake / Power BI) – Participation aux comités de suivi projet : reporting de l'avancement, gestion des incidents, recommandations d'amélioration continue. – Contribution à la définition de la stratégie d'architecture Data Integration, en lien avec les enjeux de modernisation de la plateforme Data d'Andros. – Développement de scripts Python et, selon les besoins de volumétrie, traitements distribués (PySpark) pour automatiser les contrôles qualité et accélérer l'analyse d'écarts post-ingestion. – Mettre en place l'ingestion via : – Snowpipe – outils ETL/ELT (Talend, Fivetran, dbt, Azure Data Factory, etc.) – Gérer les flux batch et (quasi) temps réel – Fiabiliser les chaînes d'alimentation (reprise sur erreur, contrôles) Environnement technique : Power BI, Excel avancé, Windows, IDR, Talend Data Distribution, Snowflake, SQL, Python, Microsoft 365, SharePoint, Teams.

Contexte: Renforcement du pilotage de l'habitat social via la modernisation des dashboards, la centralisation des données et l'amélioration de la qualité des indicateurs. – Création et optimisation de dashboards Power BI / Dataiku pour le suivi de l'habitat social – Analyse de la satisfaction sur les applications Métiers via dashboards BI. – Définition des indicateurs (KPI d'usage, temps de réponse, irritants). – Restitutions orales aux équipes internes et construction d'un tableau de bord de pilotage de la satisfaction. – Connexion aux jeux de données internes via Power BI, stockage sur AWS S3 & PostgreSQL. – Développement de scripts de modélisation dans Qlik (optimisation des performances et de la maintenabilité) – Développement de scripts Python pour le pré-traitement et la normalisation des données – Concevoir les schémas Snowflake (raw / staging / curated, Data Vault, étoile, etc.) – Traduire les besoins métier en modèles analytiques exploitables – Gérer les clés, historisations, slowly changing dimensions – Mettre en place des tests de qualité de données – Détecter les anomalies, doublons, données manquantes – Documenter les règles de gestion (data contracts, lineage) – Participation à la mise en place de la gouvernance Data et à la documentation technique – Collaboration avec le métier pour la définition des indicateurs clés et la scénarisation des visualisations – Support RUN: correction d'anomalies, mise à jour des tableaux, rédaction de REX Environnement technique: Power BI, AWS S3, PostgreSQL, Snowflake, Python, SQL, GitLab, Agile/SAFe, Excel

Mise en oeuvre d'un système d'aide à la décision pour gérer la performance du groupe CDG Maroc : – Conduire des ateliers pour recueillir les exigences du projet et créer des documents de spécifications détaillées – Consolidation et contrôle qualité des données collectées avant analyse. – Construire les modèles de données et dashboards Power BI. – Automatiser certaines tâches pour réduire les délais de traitement. – Animation d'ateliers avec les métiers pour recueillir les besoins et interpréter les résultats. – Production de synthèses exécutives, restitution aux directions, accompagnement sur les plans d'action. – Intégration et consolidation des données multi-systèmes dans Snowflake pour constituer un entrepôt de données unifié – Développement de pipelines de préparation des données vers Snowflake via Dataiku / Databricks – Connexion Snowflake → Power BI pour la production de dashboards stratégiques – Mise en place de contrôles de qualité des données directement dans Snowflake – Développement et automatisation de workflows Dataiku pour la préparation, la transformation et la qualité des données utilisées dans les dashboards Power BI. – Mise en place de scénarios Dataiku pour orchestrer l'actualisation des jeux de données et garantir la fiabilité des indicateurs publiés. – Développer des tableaux de bord pour le suivi du Développement Territorial et la Banque Finance Assurance par les utilisateurs finaux – Utilisation de Databricks pour le traitement de données volumineuses : optimisation des notebooks, gestion des pipelines et amélioration des performances d'exécution. – Intégration et consolidation des sources multi-systèmes dans Databricks afin de créer un modèle analytique unifié pour le pilotage du Développement Territorial et Banque-Finance-Assurance. – Mise en place d'un registre qualité et documentation des traitements pour assurer la conformité RGPD – Préparer et exécuter des plans de test pour garantir la fonctionnalité de la solution Environnement Technique: Power BI, Dataiku, Databricks, SSIS, Snowflake

Migration des données publicitaires vers la base de données SAP : – Participer à la définition des exigences fonctionnelles et à la conception du modèle de données – Configurer un cluster Azure Databricks et mettre en place un Data Lake (DBFS) pour le stockage des données – Réaliser plusieurs ingestions de données (CSV, JSON) dans le Data Lake DBFS – Rédiger l'ordre de génération des fichiers pour garantir l'intégrité des données en fonction des workflows Databricks – Réduction de 30% du temps de traitement des données grâce à l'optimisation des workflows Databricks – Développement de notebooks et jobs PySpark (API DataFrame) pour l'ingestion, la transformation et la standardisation des données (CSV/JSON) dans Databricks. – Mise en place de contrôles qualité en PySpark : schémas, null checks, détection de doublons, règles de cohérence, logs d'anomalies. – Optimisation Spark/PySpark : repartition/partitionnement, gestion des joins (broadcast si pertinent), réduction du shuffle, cache/persist, tuning des performances sur gros volumes. – Structuration des traitements en pipelines réutilisables (fonctions, modularisation, paramétrage par environnement) + bonnes pratiques de code (revues, Git). – Exploitation de Spark SQL pour les transformations/agrégations complexes et la validation croisée avec les données sources. Environnement Technique: SQL Server, Transact-SQL, SSMS, Azure Databricks, Azure Data Factory, Hadoop, Spark, Python, Scala, DBFS, Azure PowerShell, Git, Jira

Conception et développement de tableaux de bord pour suivre la performance des ventes, optimiser la gestion des stocks et améliorer la prise de décision opérationnelle : – Collecter et intégrer des données (ventes, stocks, promotions) provenant des sources ERP Navision via Power Query – Créer un modèle de données optimisé dans Power BI pour analyser les indicateurs clés de performance (ventes, marge, taux de rupture de stock, rotation des stocks) – Création de visualisations interactives et dynamiques pour faciliter la prise de décision des managers. – TMA reporting Dataiku : Évolution des visualisations existante. Environnement Technique: Dataiku analytics-and-insights, Power BI, SQL Server

Optimisation des processus internes pour réduire les délais d'approbation des prêts et améliorer l'expérience client: – Collecter et analyser les besoins des équipes de gestion des prêts et des parties prenantes de la banque – Extraire et transformer les données structurées (historique des demandes de prêt) et les données semi-structurées (commentaires des agents, évaluations des risques) – Développer des tests de conformité et de qualité des données (par exemple, vérifier la cohérence des montants de prêt et des délais de traitement) – Réduction de 30% des délais d'approbation des prêts grâce à l'optimisation des processus internes Environnement Technique: Python, Dataiku, Databricks, Power BI

Mise en oeuvre d'un système de prise de décision pour gérer la performance de l'entreprise pharmaceutique : – Développer et maintenir des tableaux de bord à l'aide de Qlik Cloud – Optimiser les requêtes SQL pour améliorer les performances des tableaux de bord – Conception des pipelines d'alimentation des tables via Alteryx – Former et accompagner les utilisateurs dans l'utilisation de la suite décisionnelle Qlik Cloud – Évaluer et améliorer la qualité des données Environnement Technique : BI, Drive, Qlik Sense Cloud, Alteryx

Mise en oeuvre d'une application BI pour suivre la rentabilité et la gestion des ventes de la banque d'Abidjan : – Extraire des données brutes d'une base de données Oracle et modéliser le data warehouse – Créer des tableaux de bord Qlik Sense pour analyser la rentabilité et suivre les prêts et dépôts (Emplois et Ressources) dans la banque – Réalisation d'un POC Dataiku – Co-implémentation de Datailku et conception des pipelines via Databricks (Auto Loader) – Planifier et distribuer les applications via QMC dans les trois environnements (DEV, Test, PROD) – Analyser et traiter les retours clients – Formation des utilisateurs finaux à l'utilisation des tableaux de bord et des fonctionnalités de l'application BI Environnement Technique: Qlik Sense, Dataiku, Databricks, Oracle Database

Segmentation des clients pour l'industrie des télécommunications: – Accès aux données Lire les données de transaction – Effectuer une analyse exploratoire des données (AED) – Préparer les données pour les processus de segmentation – Segmenter automatiquement les clients à l'aide d'outils de regroupement prédictif – Exporter les tables de segments pour analyse – Augmentation de la fidélisation des clients de 15% grâce à une segmentation plus précise et des offres personnalisées Environnement Technique: Alteryx, Data Science

Mise en oeuvre d'une solution Big Data en temps réel pour réaliser une solution de recherche, de comparaison de prix et de recommandation à partir de sites de commerce électronique : – Gérer la collecte de données en temps réel et par lots – Mettre en œuvre des modèles prédictifs pour générer des recommandations – Stocker efficacement les données prédites – Développer une application pour l'interaction avec les utilisateurs Environnement Technique: Big Data, Scala, Spark, Scraping, Ingestion, Databricks, NLP, Django, Elasticsearch, hive, nifi, kibana

Détection des individus dans les zones d'attente pour délivrer des annonces personnalisées : – Nettoyer et améliorer les images pour améliorer leur qualité et leur adéquation à l'analyse – Détecter les individus en utilisant des techniques de vision par ordinateur – Effectuer la reconnaissance faciale sur les régions détectées pour identifier des individus spécifiques si nécessaire – Analyser le comportement des individus détectés, en extrayant des informations telles que le sexe, la tranche d'âge, la posture, etc Environnement Technique: Computer vision, Python, openCV, NLP, Pytorch, Keras

Conception et développement d'une solution automatique de reconnaissance faciale 2D capturée dans des environnements non contrôlés : – Réaliser un prétraitement des images pour améliorer la qualité des images d'entrée – Mettre en œuvre des algorithmes de détection et de reconnaissance faciale pour identifier des individus à partir des images capturées – Utiliser des techniques d'apprentissage automatique pour améliorer la précision de la reconnaissance dans des conditions variées Environnement Technique: Computer vision, OpenCv, Machine Learning, Deep Learning