Akram Zioud

- Définition des besoins métiers et techniques en collaboration directe avec le Product Owner et les développeurs;

- Traduction des besoins en solutions techniques (requêtes SQL, code Scala, python ...);

- Rédaction de User Stories et des critères d’acceptation pour répondre à des besoins métiers.

- Analyse des données de ventes issues du site web, de l’application et des partenaires à l’aide de requêtes SQL complexes (PostgreSQL);

- Analyse du code Scala (jobs Glue) pour extraire les règles de gestion métiers et les transcrire en SQL/Athena pour DBT;

- Validation de l’intégration des données en suivant les volumétries et les rejets dans CloudWatch;

-Surveillance et analyse des DAGs Airflow qui exécutent les jobs AWS Glue et les EMR via CloudWatch pour détecter et diagnostiquer les anomalies;

- Contrôle de la qualité des données dans les environnements DWH, Datamart et Datalake;

- Analyse et tests d’intégration liées aux évolutions de la donnée;

- Diagnostic approfondi des anomalies récurrentes et identification des causes;

- Suivi des runs et reprise de données via EMR Recovery.

- Mise en place du calcul des ventes annuelles nettes à l’aide d’une requête SQL complexe;

- Conception et déploiement d’une nouvelle fonctionnalité dans le Datalake, incluant la création d’un job glue (Scala) et d'un DAG Airflow;

- Participation au projet de refonte des données de ventes;

Modélisation des tables pour optimiser la structuration des données;

Analyse approfondie des données pour comprendre et adapter les flux entrants en requêtes SQL;

- Validation par tests de volumétrie afin d’assurer la qualité et la fiabilité des données;

- Participation au Projet “Mon Année SNCF” avec transformation et validation fonctionnelle. Modification du code Scala en SQL pour recette.

Participation active à la conception, à l’optimisation et à la mise en production de processus data visant à garantir la

qualité, la fiabilité et la valorisation des données métiers tout au long de leur cycle de vie.

Process Data Quality & Workflows d’integration

- Conception et mise en œuvre de workflows de data quality pour assurer la normalisation, le nettoyage et l’uniformisation des données clients et métiers, garantissant ainsi leur exploitabilité dans les systèmes en aval;

- Mise en place de règles de validation, de déduplication et de standardisation des données pour corriger les incohérences, supprimer les doublons et fiabiliser les référentiels;

- Réalisation de tests de recette fonctionnelle et technique, suivi de la mise en production des traitements et validation de leur bon fonctionnement;

- Maintenance corrective et évolutive des traitements ETL pour intégrer les évolutions métiers et techniques;

- Ordonnancement et supervision des jobs via Jenkins, avec mise en place de reporting et de monitoring pour assurer la traçabilité et la performance des traitements.

Enrichissement et valorisation des données internes

- Traitement, transformation et automatisation des processus d’enrichissement des données pour accroître leur valeur ajoutée et améliorer leur exploitation dans les analyses métiers;

- Intégration de nouvelles sources de données et création de workflows automatisés pour alimenter les systèmes internes avec des données enrichies, normalisées et nettoyées.

Évolution et optimisation des outils de matching

- Refonte complète des mécanismes de diagnostic des fichiers entrants afin d’identifier rapidement les anomalies et d’en améliorer le traitement;

- Harmonisation des processus de normalisation et optimisation des règles de matching pour améliorer la précision des correspondances entre les données sources et cibles;

- Mise en œuvre de règles de gestion plus robustes afin de réduire les erreurs d’appariement et d’augmenter la fiabilité des

Participation à l'exploitation, à la qualité et à la fiabilisation des données au sein de l'équipe data. Réalisation de traitements de rapprochement de fichiers à l'aide d'applications dédiées et de requêtes SQL, suivi et reporting des demandes métiers, et correction des anomalies de qualité de données. Contribution aux phases de test et de recette sur les aspects data et conception de tableaux de bord décisionnels dans Power BI pour le suivi des indicateurs clés.