Awa T.

• Etude de l'existant,

• Recueillir les nouvelles besoins métiers et définir de nouveaux KPIs,

• Mise en œuvre d'un Core Reporting autour d'une solution Finance purchasing taxonomy, basé sur Power BI, et à destination du Département Finance Central, ainsi que des principales lignes métier du groupe.

• Mise en place des règles de sécurité au niveaux des colonnes et des lignes

• Optimisation du modèle de données déjà en place

• Animation d'ateliers métier et recueil des besoins (Finance)

• Cadrage de la solution dans une approche pragmatique,

• Rédaction de documentation utilisateur pour les métiers,

• Développement et optimisation des requêtes SQL dans BDT

• Transformation des données avec DBT

• Versionning du dataset et mise en place du pipeline de déploiement

• Développement DAX et optimisation des mesures crées.

Contexte

Dans un contexte où la collecte, la gestion et l'analyse des données revêtent une importance cruciale, le projet Malthouse BI a été élaboré dans le but de renforcer le processus décisionnel au sein du Groupe Invivo. Il se focalise spécifiquement sur la division

Malterie du groupe, offrant la possibilité de surveiller les niveaux de stock, les achats, les ventes, ainsi que la position opérationnelle des divers .

Missions

• Etude de l'existant, Recueillir les nouvelles besoins métiers et définir de nouveaux KPIs,

• Développement des pipelines avec Azure Databricks DLT.

• Développement en Python (PySpark).

• Création de modèles de données optimisés.

• Optimisation des requêtes SQL.

• Mise en place et maintien d'un dataset optimisé .

• Modélisation d'un modèle de données avec Power BI.

• Consolidation des données issues de SAP et JDE.

• Contrôle du respect des bonnes pratiques de développement Power BI et développement de rapport.

• Supervision et correction des anomalies dans les rapports.

• Optimisation des modèles de données.

• Migration des processus ETL d'Azure Synapse vers Databricks.

• Intégration et nettoyage de données multi-sources.

Environnement technique et fonctionnel

Power BI , Databricks dlt, Azure Data Factory, DAX, M Language

Le CCOE est une unité du groupe L'Oréal qui gère, déploie et assure la maintenance des API au sein du groupe. L'objectif de ce

projet était de mettre en place une solution de datavisualisation pour suivre l'utilisation des APIs via APIGEE (API management

de Google). Nous étions une équipe de 9 personnes et nous travaillons en agilité.

Missions

• Recueil des besoins auprès des métiers, Recueillir les nouvelles besoins métiers et définir de nouveaux KPIs,

• Définition des KPIs,

• Modélisation des Core Model optimisé et mise en place des dataset avec Power BI,

• Développement des rapports et maintien des rapports,

• Développement de fonctions Python pour l'intégration des données,

• Développement de requêtes SQL avec BigQuery,

• Conception du modèle de données, des rapports, des Dashboard et déploiement des rapports,

• Identification et résolution des problèmes de performance dans les rapports,

• Formation des utilisateurs internes à l'utilisation des rapports mis en place,

• Veille technologique sur Power BI pour l'évolution des rapports existants,

• Maintien des rapports existants et optimisation du modèle,

• Développement de déclencheurs Power Automate,

• Tests et recette pour assurer la qualité des données.

Environnement technique et fonctionnel

Power BI, Azure functions, DAX, M language, GCP, Python, Bigquery, Azure Storage, Apigee, Web service restPostman, SQL, Agile,

Retail, SAP.