Khalid Oujnine

Mission dans la direction finance, avec un périmètre international. Objectif, fiabiliser, structurer et exposer les données financières pour le suivi budgétaire, la performance et le pilotage global. Environnement basé sur GCP, Oracle et les outils internes Adeo. Ingestion et consolidation des données Oracle et des flux internes dans BigQuery via Cloud Storage et les pipelines internes. Analyse fonctionnelle avec les équipes finance pour traduire les besoins en règles de gestion et en modèles analytiques. Modélisation des données dans BigQuery pour consolider dépenses, prévisions et engagements. Développement Python pour nettoyer, valider et préparer les données. Construction et optimisation de workflows sous Cloud Composer pour automatiser les mises à jour. Documentation technique et fonctionnelle sur les requêtes, les règles métier et les modèles. Création de rapports Looker et PowerBI pour analyser les écarts et les tendances. Optimisation BigQuery par partitionnement et amélioration des performances. Usage de Terraform pour structurer l’architecture cloud et déployer les composants GCP. Support via Jira et ServiceNow avec analyse des incidents. Collaboration avec plusieurs équipes internationales sur des sujets financiers et techniques. Travail en organisation agile avec suivi des sprints et priorisation continue avec les métiers.

Projet de détection de fraude en caisse. Mise en place d’un système temps réel pour analyser les transactions, détecter les anomalies et alerter les équipes. Construction d’indicateurs pour suivre les risques et réduire les pertes. Collecte et ingestion des données de caisse. Conception de pipelines temps réel avec Pub Sub et Dataflow. Modélisation des données dans BigQuery avec tables, vues et schémas dédiés. Développement de modèles dbt pour nettoyer, enrichir et structurer les données. Ajout de tests dbt pour sécuriser la qualité. Documentation et gouvernance via dbt. Définition de règles d’analyse et d’algorithmes de détection intégrés dans BigQuery et dbt. Création d’un moteur d’alerte temps réel via Redis, Memorystore et Kafka. Mise en place de KPI pour suivre la fraude, les pertes estimées et les anomalies par magasin. Développement de dashboards dans Looker. Orchestration des workflows avec Cloud Composer pour automatiser les recalculs. Mise en place d’une CI CD GitLab pour les déploiements. Collaboration avec les équipes sécurité, finance et exploitation. Optimisation des performances BigQuery avec partitionnement, clustering et réduction des coûts.

Projet Daily Banking et Payments. Objectif, assurer la cohérence des données, améliorer la lisibilité des modèles fonctionnels et renforcer la disponibilité des jeux de données pour les usages analytiques. Analyse des structures T24 pour comprendre les tables liées aux opérations, aux comptes et aux paiements. Contrôles SQL sur Oracle pour identifier écarts, doublons et incohérences. Refonte et optimisation de requêtes SQL utilisées par les analystes avec réduction des temps d’exécution. Création de datasets consolidés dans Oracle pour alimenter les traitements BI, dont PowerBI. Contribution aux règles de gestion avec les équipes Retail Banking pour clarifier les calculs et les niveaux de granularité. Documentation des flux, des requêtes et des modèles pour faciliter l’exploitation. Support aux analystes et équipes opérationnelles pour les besoins ad hoc et la résolution d’anomalies. Amélioration des pipelines avec l’équipe Data Engineering pour garantir la disponibilité des données. Collaboration quotidienne avec les équipes IT, Data et Métier dans un environnement sécurisé et régulé.