Ziyed Ben Yahya

• • Analyse et résolution des tickets Jira relatifs aux incohérences de données.

• • Identification des causes d'écarts entre le Country of Purchase et le Market of Purchase.

• • Évaluation de l'impact des anomalies : nombre de transactions, volume de clients et chiffre d'affaires impacté.

• • Proposition de solutions correctives pour fiabiliser la donnée et améliorer la cohérence entre systèmes.

• • Mise en place d'un KPI "First Time Right" (FTR) sur le dashboard Europe, destiné à améliorer la complétude et la qualité des données clients lors de l'achat en boutique.

• • Ce KPI est destiné à être utilisé comme indicateur de performance pour le calcul des primes des Sales Associates, en fonction de leur taux de FTR.

• • Proposition des méthodes d'initialisation au data architecte client.

• • Organisation de tests d'initialisation sur un échantillon d' 1 million de clients en environnement UAT, en collaboration avec les développeurs des systèmes concernés.

• • Validation technique et présentation des résultats de performance aux architectes pour arbitrage.

• • Validation de 8 millions de numéros de téléphone et 6 millions d'adresses e-mail avec le prestataire DQE selon les règles métiers (ex. : clients retail avec consentement et formats valides).

• • Extraction des données via l'équipe Customer Datalake, chiffrement via VeraCrypt, puis exécution de l'algorithme de validation DQE sur une VM sécurisée Hermès.

• • Transmission des résultats enrichis (champ valid/invalid et motif) pour intégration dans le Datalake.

• • Analyse et qualification des problématiques de Data Quality pour le domaine Client.

• • Proposition de règles techniques pour la fusion de comptes, le profiling et la gestion des consentements.

• • Documentation des dépendances et flux de données dans Data Galaxy, validation avec les Data Owners.

• • Analyse des flux inter-systèmes (Cegid, SFMC, Data Platform GCP) pour identifier les causes d'incidents.

• • Contribution à la mise en place d'une API de validation des médias (téléphone, réseaux sociaux) conforme aux normes LVMH, RGPD et PIPL.

• • Gestion des tickets Jira et habilitations ServiceNow pour les dashboards de qualité.

• • Pilotage de la migration des dashboards (Data Cockpit Client / Produit / Data Capture) vers Power BI.

• • Réalisation d'analyses ponctuelles : scoring de qualité, segmentation client (Elite / VGC / GC) via SAS, Python et Dataiku.

• • Participation à la gouvernance des données : attribution des rôles (Data Steward / Data Owner), documentation des KPI et glossaires métiers.

• • Amélioration continue de la qualité des données Clients, RH et Produits via indicateurs statistiques.

• • Conformité aux réglementations GDPR, PIPL (China CBDT) et Consent Profiling (Korea).