Molka Jebali

Migration d'un Datamart Azure SQL vers Google BigQuery, dans l'objectif d'améliorer la scalabilité, les performances BI et la rentabilité de l'infrastructure.

Analyse de scripts existants & la documentation du projet et définir les tables cibles (partitionning & clustering)

Analyse et optimisation des pipelines ETL existants pour réduire les temps de traitement batch (4h → objectif <1h) et gérer efficacement les fuseaux horaires multiples.

Réorganisation des flux de données pour minimiser l'impact sur la base de production tout en garantissant la continuité du service pour les utilisateurs Tableau.

Contribution à l'architecture pérenne et évolutive, permettant des usages futurs : analyses avancées, machine learning et montée en volumétrie.

Définition et suivi des KPI de performance : temps de réponse des requêtes longues <30s, coûts optimisés, fiabilité et traçabilité des traitements ETL.

Stack technique :

Google Cloud Platform: Google cloud storage, Dataform, BigQuery, Cloud Logging SQL, Tableau.

Collaboration avec les équipes clients pour comprendre leurs besoins spécifiques et proposer des solutions sur mesure.

Réalisation d'analyses de données détaillées pour identifier et corriger les écarts entre les processus métiers et les systèmes informatiques.

Développement de pipelines de données en utilisant les services GCP pour automatiser l'extraction, la transformation et le chargement des données depuis des sources externes vers BigQuery.

Automatisation des tâches de gestion des données avec Cloud Composer et orchestration de workflows.

Utilisation de Gitlab pour créer et maintenir les scripts.

Mise en œuvre de stratégies de contrôle qualité rigoureuses (tests unitaires, tests d'intégration, profilage des données) et de mécanismes de logging détaillés pour assurer la traçabilité et la détection rapide des anomalies.

Réduction du temps de traitement des données par l'optimisation des requêtes SQL dans BigQuery.

Rédaction de spécifications techniques et fonctionnelles sur les projets en responsabilité dans Confluence, couvrant les aspects Datamodel, CLA, DEX.

Comprendre le besoin des utilisateurs.

Analyser les données à exploiter.

Ingérer les données externes dans le Datalake GCP Renault.

Définir les flux de données nécessaires (transformations / calculs) pour la production des données à visualiser dans les Dashboard.

Implémenter les flux de données en utilisant cloud Dataflow. Effectuer les tests techniques et fonctionnels.

Création de Dashboards interactifs avec SPOTFIRE pour fournir des analyses avancées aux équipes métiers.

Optimiser le temps de chargement des rapports SPOTFIRE.

Documenter le travail dans Confluence (Datamodel, Dataflow, CLA, DEX).

Assurer la formation des Key Users sur l'utilisation de l'outil SMART MARGIN.

Environnement technique:

Google Cloud Platform (BigQuery, Dataflow, Cloud Composer, Pub/Sub, Cloud Storage) SQL, Python Spotfire v11