Yao SINAN

Contexte : ADEO offre des solutions durables et innovantes pour améliorer l'habitat à travers le monde. Au sein de l’équipe ‘Growth Marketing Activation’ (de la plateforme OMNI COMMERCE), interagissant avec des équipes métiers et techniques transverses, la structuration et valorisation des données marketing pour orienter la stratégie marketing et optimiser les actions marketing. Equipe : 1 Loyalty, 1 Marketing Campaign, 1 Product & Pricing, 3 Médias, 2 Chief of Projects. Missions : ➢ Conception de pipelines DBT, de modèles de données mutualisés. ➢ Conception de dashboards Power BI pour le pilotage opérationnel: * Product Pricing and Competitive Index, * Marketing Campaign performance (Email, SMS activity and contactability), * Loyalty, Loyalty Rewards, * Business Unit Global Performance. ➢ Animation des échanges techniques avec l’équipe Growth Marketing Activation, les équipes métiers et techniques transverses : suivi des sujets, priorisation des besoins. Environnements : SQL | DBT | Google Cloud Storage, Cloud Run, Biguery | Power BI | Git, Github | Colibra , Miro | Terraform | CI CD | Applicatifs internes.

Contexte : Mise en place d'une architecture ‘Data as a Product’ intégrant gouvernance des données, modéli-sation BigQuery et DBT pour l'audit automatisé des données clients. Missions : Au sein de l’équipe ‘data et audit’, composée de 3 analytics engineers, et 4 ingénieurs audit comptables, ➢ Conception de pipelines d'intégration de données multi-ERP pour une plateforme d'audit financier en quasi-temps réel. ➢ ERP : SAPECC6, SAPS4HANA, Oracle R12, Oracle Cloud, NetSuite, Salesforce, Sage 100 et 1000, Unit4, Fichiers plats. ➢ Conception de pipelines DBT, de modèles de données mutualisés. ➢ Conception de dashboards Power BI pour le pilotage opérationnel. ➢ Pilotage des ateliers techniques avec l’équipe Customer Sucess Manager : suivi de la prospection clients, priorisation des besoins et préparation de l’intégration des données clients dans l’environnement Supervizor. ➢ Pilotage des ateliers techniques avec les clients (recueil des besoins, mapping, architecture, valida-tion et mise en production). ➢ Utilisation d'agents IA (Claude) pour le développement Python, la qualité du code et optimiser les cycles de développement. ➢ Résultat 1 : Intégration de données de 6 nouveaux clients + 4 nouvelles filiales de clients existants sur l’année 2025-2026 : +350k euros gagnés. ➢ Résultat 2 : Signature de 2 nouveaux clients pour les controls audit appliqués au données STOCK, +80k euros gagnés. Environnements : Python, SQL | DBT, Liquibase | Snaplogic Google Storage + Cloud Run + Biguery | Power BI, Metabase, | Git, Github

Contexte : Développement d'une plateforme analytique et aide à la décision pour les métiers Sales & Supply Chain, Procurement, Production & Maintenance, Stock, Finance & Accounting. Missions : Au sein de de l’équipe ‘corporate data for business’, composée de 3 data engineers et 5 analytics engineers ➢ Conception de pipelines DBT, de modèles de données mutualisés. ➢ Conception de dashboards Power BI pour le pilotage opérationnel et de la performance. ➢ Animation des ateliers métiers, formalisation des besoins et accompagnement des utilisateurs jusqu'à la mise en production. ➢ Industrialisation des flux de données et préparation de l'intégration du nouvel ERP SAP Cloud. ➢ Résultat 1 : Évolution de 30% du CA et réduction du temps de livraison aux clients du métier Sales ➢ Résultat 2 : Réduction de 30% du coût de stockage du métier Procurement et Supply (Just in Time). ➢ Résultat 3 : Réduction du temps de traitement des données des prestataires externes du métier Maintenance (de 7 jours à 1h). Environnements : Python, SQL | DBT | Codebase Python + Airflow | Google Storage + Cloud Run + Biguery | Power BI | Git, Github

Contexte : Industrialisation des pipelines de données destinés aux équipes Data Science pour le déploiement de modèles de Machine Learning. Missions : Au sein de l’équipe ‘data’ composée de 5 data engineers, 3 data analystes, 2 data owners, 3 data scientistes ➢ Développement et optimisation de workflows Dataiku ➢ Modélisation BigQuery et automatisation de la préparation des jeux de données (bancaires, assurance, économie, territoire français). ➢ Mise en œuvre de contrôles qualité avec Pydantic afin de garantir la fiabilité des données. ➢ Optimisation des traitements de données géospatiales massives dans un environnement Cloud GCP. ➢ Résultat 1 : 10% d’évolution du CA due à l’introduction de la détection automatique des piscines non déclarées en France. ➢ Résultat 2 : Réduction du cout de l’énergie : 2 000 nouveaux clients embarqués pour l’installation et l’utilisation de panneaux solaires en vue d’optimiser le cout annuel de l’électricité. ➢ Résultat 3 : De nouvelles prospections. Environnements : Python, SQL | Dataiku + Codebase Python + Airflow | Google Storage + Cloud Run + Bi-guery | Power BI | Git, Gitlab

Contexte : Modernisation de la plateforme de données industrielle pour le suivi de la production et des ventes. Missions : Au sein de l’équipe ‘data & IT’ composée de 3 data engineers et 3 ingénieurs IT, ➢ Développement et optimisation de pipelines PySpark sous Databricks ➢ Automatisation des traitements de données depuis Flat Files, SQL Server, vers AWS PostgreSQL. ➢ Monitoring des jobs Spark. ➢ Conception de modèles de données sur AWS Postgresql. ➢ Conception de dashboards Power BI pour le pilotage opérationnel et de la performance. ➢ Résultat 1 : Contribution à une augmentation de 25 % du chiffre d'affaires grâce à une meilleure exploitation des données. Environnements : Pyspark, SQL | Databricks, AWS Postgresql | Power BI | Git, Github