Michella M.

Mission dans un contexte agile au sein de la squad Data Contrat & Finance, composée d'un Product Owner, d'un Business Analyst / Proxy PO et de data engineers, dans le cadre de la construction de nouveaux data products à destination du pilotage commercial et financier.

• • Recueil du besoin métier et traduction en besoin technique

• • Analyse des demandes métiers (faisabilité, cohérence, budget)

• • Modélisation des règles de gestion métier

• • Recettes et test de qualité de données (SQL BigQuery)

• • Maintien et mise à jour d'un référentiel de données produits (Excel)

• • Support fonctionnel : analyse d'incident, investigation sur les données (SQL), résolution des incidents. Impact : amélioration de la fiabilité des indicateurs commerciaux et financiers et accélération de la mise à disposition des nouveaux data products pour les équipes métiers. Environnement technique : SQL (BigQuery), Excel, Jira, méthodologie agile (Scrum).

• • Analyse des besoins métiers financiers et formalisation des indicateurs clés.

• • Analyse exploratoire et comparative de données financières issues de plusieurs datamarts.

• • Développement et comparaison de rapports financiers sous Power BI, Tableau et Business Objects afin d'évaluer les performances, la lisibilité et la pertinence des visualisations.

• • Analyses d'écarts de montants financiers entre sources de données (Cognos vs Dataiku) sur différentes périodes.

• • Contrôle de cohérence des données et validation des résultats à l'aide d'Excel et Dataiku.

• • Contribution au choix de l'outil BI cible en fonction de la volumétrie, des performances et des usages métiers. Impact : sécurisation des états financiers et aide à la décision dans le cadre du choix d'un nouvel outil BI. Environnement technique : Power BI, Tableau, Business Objects, Excel, Dataiku.

• • Analyse et structuration des besoins data sur plusieurs domaines métiers : Personnes, Contrats, Prospects, Cotisations.

• • Construction et maintenance d'un dictionnaire de données applicatif, garantissant une compréhension commune des données entre équipes métiers et techniques.

• • Participation à la de et métiers. Mapping entre le Business Data Model les API (Swagger)

• • Suivi de la qualité des données et validation fonctionnelle des livrables data.

• • Priorisation du backlog data, définition des objectifs de sprint et suivi des livrables.

• • Mise en place de reportings de suivi de performance des sprints. Impact : amélioration de la cohérence des données exposées aux applications et meilleure visibilité sur l'avancement des trains data. Environnement technique : Jira, SAFe, modélisation de données, API, outils BI.