Yao S.

• Construction sous DBT de 2 flux de traitement de données par domaine fonctionnel (Sales-Supply Procurement, Product Performance & Maintenance, Global People), suivant le principe de couches; Staging, Intermediate, Marts:

◦ Les flux de données MS Business Central et SAP Cloud Public.

◦ Les tables de données mapping, avec les équipes métiers et les intégrateurs externes.

• Construction, maintenance de la chaîne Gitlab CI-CD de data quality.

• Construction de dashboards Power BI par domaine fonctionnel susmentionnés.

• Réussite #1: Évolution de 30% du CA et réduction du temps de livraison aux clients du métier Sales | Réduction de 30% du coût de stockage du métier Procurement & Supply | Réduction du temps de traitement des données des prestataires externes du métier Maintenance (de 7 jours à 1h).

• Production, versionning de tables de données (données d'économie, de bâtiments et géolocalisation) et de KPI via l'outil Dataiku pour les data analysts/scientists, pour le déploiement des modèles Machine Learning;

• Intégration de nouveaux outils dans la chaîne ETL (Dataiku → Codebase Python → BigQuery & GCS )

• Maintenance de la chaîne Gitlab CI-CD et monitoring du coût de stockage et processing Bigquery

• Réussite #1: Réduction de 25% du coût de stockage et processing Bigquery.

• Réussite #2: Réduction du temps de livraison de la donnée en production (de 3 jours à 1,5 jours)

• Environnement technique:

◦ Dataiku | Python, SQL, Pytest, Postman | Google Cloud Storage & Bucket, Bigquery | Docker & Docker Compose

◦ Airflow | Gitlab & Gitlab CI-CD |Jira & Confluence, Trello & Metro Retro | Pycharm Professional & Dbeaver

◦ Postgresql | Bash | SSH | Yaml

• Co-construction de nouveaux indicateurs de performance liés aux activités de l'organisation avec le métier audit interne.

• Création de dashboards Power BI d'analyse de résultats financiers de l'organisation, de la contribution financière des États membres. Pour la 2e phase, migration des rapports financiers Power BI vers SAP Cloud Analytics.

• Environnement technique:

◦ Python, SQL | Power BI & DAX | Sap Cloud Analytics | Github | Microsoft SQL Server & Sharepoint.