Thierry Triet LAM

Contexte : - Refonte complète de la plateforme analytique d'un opérateur immobilier européen : de 8 systèmes sources fragmentés vers un socle BigQuery couvrant Finance, Opérations, Ventes, Marketing et Asset Management. Mission en solo Réalisations clés : - Consolidation des paiements Stripe de 35 comptes (6 entités, 4 pays) dans un Data Mart Finance, fiabilisé par réconciliation et 16 tests qualité automatisés. - Attribution des leads par rapprochement de Salesforce, Pipedrive et des dépenses marketing, et modélisation du cycle de vie des baux et de l'occupation du parc en dimensions réutilisables pour l'Asset Management. - Orchestration des pipelines dbt Cloud, dont 139 snapshots SCD2 pour l'historisation, et nouveaux tableaux de bord Looker Studio en self-service. Environnement technique : dbt (Cloud) ; BigQuery ; Looker Studio ; Fivetran ; Stripe ; Pipedrive ; Salesforce ; Typeform ; Airtable ; SQL ; GitHub.

Contexte : Premier profil analytics d'une startup d'IA agentique : construction de la stack data interne et validation du moteur de génération SQL par LLM. Mission en solo Réalisations clés : - Conception et optimisation de la couche sémantique (JSON) et des templates de funnel marketing, divisant le temps de génération par deux (de 20 à 10 minutes). - LLM Benchmark (précision, latence, coût) par prompt engineering, orientant le choix du moteur de génération SQL. - Centralisation de la logique métier dans dbt : modèles réunissant Facebook Ads, GA4 et Shopify, de l'acquisition au revenu, et migration des transformations Power BI (DAX), désormais versionnées et testables. - Performances et coûts Snowflake maîtrisés : dimensionnement des warehouses, analyse des query profiles et déploiement de resource monitors. Environnement technique : Snowflake ; dbt ; SQL ; GitHub ; Power BI ; AI Prompting ; Semantic Layer ; GA4 ; Facebook Ads ; Shopify.

Contexte : - Mission de conseil au sein de Kering Technologies : modernisation et montée en charge de la plateforme analytique du groupe (architecture data mesh) au service du reporting mondial, avec diffusion des pratiques d'analytics engineering sur les domaines Ventes, Omnicanal, Supply Chain et Marketing. Taille d'équipe : 14 Réalisations clés : - Lancement, de ma propre initiative, du projet Refused Store : un dashboard Tableau croisant OMS, Salesforce et SAP sur les refus de commandes en magasin, à l'origine d'actions correctives qui ont optimisé la distribution des stocks et réduit de 92 % un manque à gagner annuel de près de 2 M€ (ventes mondiales 2022). - Agrégation des ventes internationales de quatre maisons avec conversion de devises (forex) et contrôle du cycle de vie des commandes : reporting financier consolidé et KPIs commerciaux à l'échelle du groupe. - Migration du projet dbt d'AWS (Athena, S3) vers BigQuery selon une architecture Médaillon, en application de la stratégie Data Mesh du groupe. - Mise en place de contrôles dbt (freshness, seuils de volume, cohérence des paramètres) pour les tests techniques et d'un dashboard Tableau de monitoring pour les tests fonctionnels, sur l'ensemble des pipelines : anomalies détectées avant d'atteindre les analyses. Environnement technique : dbt ; Tableau ; Power BI ; GCP (BigQuery, IAM, GCS) ; AWS (Athena, Redshift, S3) ; Git ; PySpark ; Airflow ; Airbyte ; Excel ; Jira ; Confluence ; ServiceNow ; Terraform ; Docker ; OMS Manhattan ; GA4 ; Google Search Console.

Contexte : Mission pour Jaguar Land Rover : architecture et intégration des données CRM entre SAP S/4HANA et Salesforce Marketing Cloud, au service des ventes, du service client et des campagnes sur 5 continents. Taille d'équipe : 3 (Paris) + équipe ops offshore (Mumbai) Réalisations clés : - Construction de pipelines d'extraction et de segmentation SQL automatisant dédoublonnage, normalisation et nettoyage : intégrité garantie sur des sources et géographies multiples. - Traitement des incidents avec la R&D SAP : taux de résolution de 95 % et opérations stabilisées durant le go-live et l'hyper-care. Environnement technique : SAP S/4HANA ; Salesforce SFMC ; SQL ; Tableau ; UML ; Gestion d'incidents ; Intégration de données & ETL.

Contexte : Unification des données des sociétés acquises par Veepee au sein d'un entrepôt cloud centralisé, avec des couches analytiques et une gouvernance communes. Taille d'équipe : 6 Réalisations clés : - Développement de modèles de transformation dbt livrant des jeux de données directement exploitables par les équipes métier. - Définition des règles de qualité et de gouvernance, fiabilisant l'ensemble du cycle de vie de la donnée. Environnement technique : SQL Server ; BigQuery ; GCP ; dbt ; GitLab ; Jira ; Docker ; Airflow ; Python.

Contexte : Rôle de R&D sur la plateforme 3DEXPERIENCE, en charge de l'architecture de données de systèmes SaaS scalables. Taille d'équipe : 6 Réalisations clés : - Élaboration des modèles de données, des frameworks de métadonnées et des couches de stockage : les fondations de son data lake. - Intégration de composants via WebAssembly (Emscripten), alignant le système de données sur les contraintes applicatives. Environnement technique : SQL ; XML ; JSON ; C++ ; WebAssembly ; Emscripten ; JavaScript ; Linux.