Sariah D.

Le groupe voyage privé souhaite réaliser un exit de Dataiku (DSS), à ce titre j’ai rejoint les équipes Data afin de les accompagner dans la migration de leur patrimoine DSS vers BigQuery / dbt..

1) Migration de projets vers BigQuery/dbt :

- Analyse et documentation des flows DSS à migrer

- Création des modèles dbt sur une architecture multicouches

- Rédaction et génération de la documentation en Markdown

- Recette des données

2) Modélisation de données :

- Animation d'ateliers de recueil du besoin métier

- Modélisation des process métiers concernés

- Création de modèles conceptuels, identification des entités/relations métier

- Construction de schémas logiques (tables, colonnes, clés)

- Optimisation de modèles de données pour l'architecture bigQuery

3) Suivi de projet :

- Traduction du besoin métier en tickets techniques

- Définition des critères d'acceptation des tickets

- Estimation de la charge lors de Sprint Planning

- Définition du périmètre du Sprint en accord avec le Product Owner

- Présentation de l'avancement des travaux lors de Team Status

4) Support aux utilisateurs métiers sur Dataiku/Tableau

- Répondre aux sollicitations des utilisateurs (demandes de corrections/évolutions)

- Création de tickets de support avec estimation de la complexité

- Troubleshooting et corrections des anomalies

- Validation des corrections avec les utilisateurs métier

Créer et préparer des pipelines de données pour le projet de Pricing Big Deal, préparer les données afin d’alimenter un algorithme de machine learning, et être à la disposition de l’équipe data science HP dans un environnement agile.

Aspects techniques du projet :

- Créer & améliorer des pipelines de données pour le projet de « Pricing Big Deal » dans un environnement Big Data (Dataiku DSS)

- Data cleansing, Transformation et Normalisation de données en utilisant Spark et SQL

- Définir et appliquer des règles de qualité de données (Metrics & Checks)

- Créer et contrôler des scenario afin d’automatiser les «Quality Checks» et comparer les données après chaque « refresh»

- Être à la disposition de l’équipe data science HP pour extraire/préparer des datasets ou résoudre des bugs dans le flux de données

Au sein de la « Innovation Team » du département « Business Excellence ». Notre rôle était de préparer les données, développer et mettre en production des solutions pour les équipes métiers.

Aspects techniques du projet :

- Développements sur Azure SQL Server (SSMS): requêter les données, écrire et tester des requêtes

- Retranscription & validation des requêtes Oracle sur Azure SQL Server

- Préparer les données et appliquer des étapes de transformation en (PYTHON) pour alimenter un algorithme de Machine Learning sur AzurML

- Développer une application de gestion de caisses en magasins (Nespresso France) utilisée par plus de 1000 personnes en France: