Trouvez votre prochaine mission ou futur job IT.

Au sein de la Direction IA & Data, la Direction Data a pour ambition de maximiser la valorisation du patrimoine de données de l'entreprise, de développer l'intelligence autour de la donnée et de piloter la performance des activités et des offres. Dans ce cadre, le pôle Data Intelligence recherche un(e) Data Analyst Senior / Chef(fe) de projet Data pour accompagner les directions métiers dans la mise en place d'analyses, d'indicateurs et de tableaux de bord dédiés au pilotage de la performance opérationnelle. Vous interviendrez à l'interface entre les équipes métiers, Data et SI, avec un rôle à la fois analytique, fonctionnel et orienté gestion de projet. Vos missions Cadrage et gestion des projets Data Recueillir et analyser les besoins auprès des différentes directions métiers : Production, RH, Finance, etc. Cadrer les projets d'analyse et de reporting en définissant les objectifs, périmètres, indicateurs et sources de données. Traduire les besoins métiers en spécifications fonctionnelles et besoins data. Identifier et collecter les données nécessaires dans les différents systèmes d'information. Définir et mettre en place une méthodologie de travail commune à plusieurs directions métiers. Piloter les différentes étapes des projets, de la collecte du besoin jusqu'à la mise à disposition des analyses et dashboards. Data Analyse et Business Analyse Analyser les données disponibles afin d'identifier les tendances, écarts, indicateurs de performance et leviers d'amélioration. Transformer les données en analyses, synthèses et recommandations concrètes à destination des métiers. Exploiter les données existantes pour enrichir et faire évoluer les dispositifs de pilotage. Accompagner les utilisateurs dans l'interprétation et l'utilisation des analyses produites. Datavisualisation et Power BI Concevoir et mettre en place de nouveaux dashboards Power BI répondant aux besoins métiers. Faire évoluer, ajuster et optimiser les tableaux de bord existants. Automatiser et industrialiser les reportings afin de réduire les tâches à faible valeur ajoutée. Garantir la cohérence des indicateurs, règles de gestion et restitutions. Participer à la maintenance et à l'amélioration continue des dashboards. Collaboration et coordination Data Collaborer avec les équipes SI, Data Platform et Data Gouvernance pour garantir la disponibilité, la qualité et la fiabilité des données. Coordonner les échanges avec les différentes directions du Groupe. Faciliter la communication entre les interlocuteurs métiers et les équipes techniques. Contribuer à la structuration et à la diffusion des bonnes pratiques en matière d'analyse et de pilotage de la performance.

Nous recherchons un(e) Data Scientist & Analytics Specialist pour rejoindre notre équipe Data. À la croisée de l'analyse décisionnelle et de la modélisation avancée, vous serez responsable de transformer d'importants volumes de données brutes en leviers stratégiques et en solutions prédictives pour accompagner la croissance de l'entreprise. Loin d'une R&D théorique, votre rôle a un impact direct sur le produit et la performance de nos clients : Optimisation du parcours d'achat : De la phase de check-in au check-out, vous modélisez les parcours clients pour identifier et activer les leviers clés (conversion, réduction de la fraude et maîtrise des coûts). Features produit intelligentes : Vous contribuez directement à la conception et au déploiement des futures fonctionnalités d'orchestration intelligente de la performance. Plateforme analytics en self-service : Vous développez les outils analytiques nécessaires pour autonomiser les équipes dans leurs prises de décision stratégiques. Vous travaillez en lien étroit avec l'ensemble des équipes Ce que vous ferez concrètement : 1. Data Science & Machine Learning (70%) Concevoir, entraîner et évaluer des modèles de Machine Learning appliqués au paiement et à l'identité (scoring, détection d'anomalies et de dérives, prédiction d'échec…). Modéliser l'acte d'achat sous forme de graphe afin de mieux cartographier la dynamique des parcours d'achat, d'identifier les comportements atypiques et d'améliorer la performance.. Optimiser l'intelligence de notre produit : créer des algorithmes d'arbitrage (ex: routage intelligent) pour maximiser le taux d'acceptation et réduire les coûts Travailler en étroite collaboration avec les équipes DevOps pour intégrer et industrialiser ces modèles (MLOps) au cœur de l'infrastructure. 2. Analytics Engineering & Business Insights (30%) Veiller à la qualité, la fiabilité et la gouvernance de la donnée. Déployer des solutions de BI en self-service enrichies par l'IA, afin d'autonomiser les équipes métiers dans leur pilotage stratégique. Concevoir et analyser les KPIs clés, identifier les tendances, anomalies et opportunités d'optimisation. Répondre aux questions structurantes avec un niveau de rigueur analytique

En tant que Business Analyst, vos missions principales seront de : Participer à l'analyse des besoins et à la proposition de solution avec les membres de la squad CRM, et potentiellement les équipes internes (Téléphonie, Architecture, autres systèmes impactés) Proposer des solutions / démos / POC en réponse aux besoins métier sur la base des fonctionnalités IA de Salesforce ou d'autres outils. Vous pourrez vous appuyer sur les compétences de l'équipe pour construire et proposer ces solutions / POC, etc. Rédiger les spécifications fonctionnelles (US / exigences détaillées) et les faire valider par le Product Owner et les interlocuteurs métier concernés : outillage JIRA / Confluence. Configurer Salesforce (maquette, POC, …). Définir la stratégie de recette, décrire l'ensemble des cas de test à effectuer, préparer les jeux de données avec les équipes IT, dérouler la recette et fournir un état d'avancement. Les recettes peuvent nécessiter un premier niveau de connaissance sur les campagnes d'appels sortants. Fournir les éléments permettant les prises de décision lors des Go/No Go de mise en service. Construire une documentation fonctionnelle de la solution au fur et à mesure des lots (outillage : Confluence). Rédiger des release notes (documentation fonctionnelle des évolutions embarquées). Contribuer à la conduite du changement en fournissant les éléments nécessaires aux équipes de la chaîne de soutien (fiche de consignes) et aux formateurs. Participer au comité produit que vous devrez préparer pour ses sujets (avancement / décisions à prendre / arbitrages). Participer aux rituels agiles (daily stand-up meeting, sprint planning, sprint review, rétrospective, grooming) et éventuellement jouer le rôle de Scrum Master pour la squad.

En quelques mots Cherry Pick est à la recherche d'un Architecte Python / Modélisation Risque de Crédit (H/F) pour l'un de ses clients qui opère dans le secteur bancaire. Description 🎯 Contexte de mission Dans le cadre d'un important programme de transformation et de simplification du SI bancaire, nous recherchons un(e) Architecte Python disposant d'une solide compréhension des problématiques de risque de crédit et de modélisation quantitative. La mission s'inscrit dans un projet de modernisation d'outils historiquement développés en interne, avec notamment la migration de modèles de risque de crédit développés sous MATLAB vers Python. Le besoin est particulièrement orienté vers un profil capable de faire le lien entre les équipes IT / architecture et les experts métier du risque de crédit. La double compétence technique et métier est donc essentielle. 🛠️ Missions principales et rôle Analyser et accompagner la migration de modèles de risque de crédit de MATLAB vers Python. Comprendre, documenter et s'approprier les modèles existants. Concevoir et faire évoluer l'architecture Python associée aux modèles. Participer à la simplification et à la modernisation de l'architecture des outils internes. Collaborer avec les architectes IT afin de garantir l'intégration cohérente des solutions dans le SI. S'approprier l'environnement technique existant : Python, MATLAB, Git, PyCharm. Échanger avec les équipes métier sur les problématiques de modélisation du risque de crédit. Traduire les besoins métier en solutions techniques adaptées. Accompagner les choix de conception et d'architecture. Collaborer avec les équipes basées en Belgique. Contribuer ponctuellement à des sujets liés à l'IA / GenAI dans le cadre des initiatives de transformation. 🎯 Objectifs Moderniser les modèles historiquement développés sous MATLAB en les migrant vers Python. Simplifier et rationaliser l'architecture des outils de modélisation existants. Garantir la robustesse et la pérennité des solutions Python. Assurer une bonne intégration des solutions avec l'architecture SI existante. Faire le lien efficacement entre les experts du risque de crédit et les équipes IT. Préserver la cohérence fonctionnelle des modèles lors de leur migration technologique.

Le profil recherché est confirmé, avec minimum 3 ans d'expérience en assurance qualité logicielle. Il faut maîtriser les méthodologies de test, l'analyse des exigences, la rédaction de cas de test, la gestion des anomalies, les campagnes de recette/intégration/E2E/TNR, ainsi qu'au moins un framework d'automatisation parmi Playwright, Cypress ou Selenium. L'environnement technique principal est : JIRA, XRAY, Playwright, , Postman, avec intégration des tests dans les chaînes CI/CD. L'équipe commence aussi à utiliser des solutions d'IA pour aider à la génération de cas de test, l'analyse des résultats et l'optimisation des campagnes. En synthèse : Poste : Test Lead confirmé / QA confirmé Projet : Mon Compte – La Poste Séniorité : minimum 3 ans Tests : fonctionnels, technico-fonctionnels, E2E, TNR, API Automatisation : Playwright / Cypress / Selenium, avec migration → Playwright Outils : JIRA, XRAY, Postman Méthodologie : Agile / SAFe, bonnes pratiques ISTQB Responsabilités : conception/exécution des tests, suivi des anomalies, reporting qualité, sécurisation des MEP, VAB/VSR Localisation : Issy-les-Moulineaux Démarrage : 1er octobre 2026

Le contexte Notre client, un grand groupe bancaire, dispose d'une direction Data/AI qui accompagne les métiers dans leurs projets de Data Science, de la génération de use case jusqu'à la mise en production. L'équipe, au format "start-up dans un grand groupe", est internationale et regroupe des Data Scientists (Computer Vision, NLP, Scoring), un pôle ML Engineering et une équipe AI Projects. Cette équipe développe et opère en interne sa propre plateforme de Data Science, qui comprend : Une plateforme d'exploration et de développement Python Un framework d'industrialisation des modèles de Data Science, avec une librairie InnerSource dédiée Une plateforme d'exécution des modèles en production Un outil de Community Management C'est une infra qui tourne actuellement sur plus de 400 containers de production, utilisée par plus de 500 utilisateurs. La mission Le client ouvre une prestation en assistance technique pour gérer l'infrastructure qui supporte cette plateforme. Concrètement, le périmètre couvre : Administration, exploitation et automatisation du système d'exploitation des clusters Build et optimisation des images Docker, run des containers de prod Construction et pilotage de la vision technique de la plateforme (choix technos, évolution d'architecture) pour garantir continuité et performance Optimisation du dimensionnement des ressources et des coûts associés Interface privilégiée avec les équipes infra groupe qui fournissent l'infra managée on-prem consommée par la plateforme Maintenance à jour des composants et contribution aux déploiements applicatifs Veille technologique et montée en compétence continue Rédaction de documentation technique (architecture, gestion des changes et des incidents) Production de livrables et partage de connaissances avec l'équipe L'équipe travaille aussi de façon transverse sur la maintenance des frameworks de Data Science Python, les pipelines CI/CD, l'observabilité des plateformes, la mise en prod des solutions IA, et participe activement aux POCs. Stack technique Langages : Python, Golang, Bash OS : GNU/Linux Orchestration : Kubernetes Infra/DevOps : GitLab CI/CD, GitOps (ArgoCD), Docker, Buildkit, Artifactory, Helm, Kustomize, CUE/Timoni Sécurité : Vault (gestion des secrets), Keycloak, JWT, OIDC Réseau : Traefik (reverse proxy) Observabilité : Prometheus, Thanos, AlertManager, Grafana Data/Cloud services : PostgreSQL, ClickHouse, Redis, Jaeger, ELK, MinIO (S3), Certmanager, External-DNS, Portworx, COS Cloud privé (environnement on-prem managé, pas de cloud public classique)

Tu as le sens du détail, la qualité logicielle te passionne et tu aimes les environnements techniques exigeants ? Postule dès maintenant à cette offre d'Ingénieur·e QA manuel et automatisation ! 🚀 Ton challenge si tu l'acceptes : Concevoir, développer et exécuter des tests automatisés pour garantir la qualité des nouvelles versions Maintenir et faire évoluer les frameworks et scripts d'automatisation de tests Définir des scénarios de tests end-to-end en collaboration avec les équipes d'automatisation et de développement Identifier, qualifier et suivre les anomalies détectées lors des campagnes de tests (manuels et automatisés) Produire des reportings QA clairs ainsi que la documentation associée Exploiter des outils d'IA pour optimiser les tests, l'analyse d'anomalies et la documentation

Responsabilités clés 1. Product Ownership et pilotage de la convergence mondiale Agir en tant que Product Owner pour le chantier d'harmonisation des données et des processus de l'Assistance Client (Consumer Care) sur Salesforce, englobant 3 CRM répartis sur 3 fuseaux horaires différents. Traduire les objectifs mondiaux et les besoins régionaux en un backlog priorisé, comprenant des exigences claires, des user stories, des critères d'acceptation, des dépendances, des risques et des indicateurs de réussite. Animer des ateliers décisionnels avec les référents métiers (Business champions) et informatiques (IT champions). Définir des principes qui équilibrent la standardisation mondiale et l'évolutivité (scalability) avec les exigences locales dûment justifiées. Maintenir la feuille de route d'harmonisation, le registre des décisions, le plan d'action, les risques, les dépendances et les livrables du groupe de travail (Taskforce). Permettre une collaboration efficace entre les différents fuseaux horaires grâce à des réunions structurées et une documentation asynchrone claire. 2. Évaluation et harmonisation de Salesforce Service Cloud Évaluer et comparer les trois environnements CRM, notamment : les modèles de données, objets, champs, relations, types d'enregistrements et mises en page (page layouts) ; la gestion des tickets (cases), la catégorisation, le routage, les files d'attente, l'Email-to-Case, les canaux numériques et les flux de travail (workflows) ; les parcours utilisateurs, l'expérience des conseillers, la productivité et l'UI/UX ; l'automatisation, les Flows, les anciennes règles de flux de travail (legacy workflow rules), les développements spécifiques, les intégrations et la dette technique ; les rapports, les indicateurs clés de performance (KPI) opérationnels, la gestion des connaissances (knowledge management) et l'accessibilité des données. Utiliser un CRM comme base de convergence initiale, tout en évaluant les forces, les lacunes, les risques et les fonctionnalités réutilisables des deux autres. Définir les exigences métiers, fonctionnelles et de données pour l'état cible harmonisé de Salesforce Service Cloud. Identifier les opportunités de simplification ou de suppression des champs redondants, des personnalisations, des configurations, des processus et des anciennes automatisations. Collaborer avec las équipes techniques Salesforce pour confirmer la faisabilité, les dépendances et les priorités de mise en œuvre. 3. Harmonisation, qualité et enrichissement des données Définir des normes de données communes pour l'Assistance Client, des définitions de KPI, un glossaire métier et les principes du modèle de données cible. Harmoniser les domaines de données prioritaires, notamment : les données des consommateurs, des comptes et des contacts ; les tickets (cases), les motifs de contact, les catégories, les résultats et les interactions de service ; les produits, les marques, les marchés, les connaissances, les commentaires (feedback), le consentement et les préférences ; les KPI opérationnels, de qualité, de productivité et d'expérience client. Profiler les données prioritaires pour évaluer leur exhaustivité, leur exactitude, leur cohérence, leur unicité, leur validité, leur actualité et leur exploitabilité. Définir des vocabulaires contrôlés, des conventions de nommage, des règles de validation, des contrôles de qualité des données, des correspondances source-cible (source-to-target mappings) et des logiques de transformation. Coordonner les activités de nettoyage (cleansing), de standardisation, de normalisation, de déduplication, de résolution d'identité, d'archivage et de rétention des données. Mettre en place des processus de rapprochement (reconciliation) et de suivi de la qualité pour garantir que les données restent fiables, traçables et adaptées au reporting ainsi qu'à l'activation. 4. Gouvernance des données, confidentialité et préparation à l'IA Définir une gouvernance pratique pour la propriété des données (data ownership), l'intendance (stewardship), le suivi de la qualité, la gestion des incidents et le contrôle des modifications. Collaborer avec les parties prenantes des services Confidentialité des données, Juridique, Sécurité, Réglementation, Qualité, Opérations et Data & Analytics à travers les processus de gouvernance appropriés. Identifier les exigences d'accès, de sécurité, de rétention, de traçabilité et de qualité des données pour établir un socle de données mondial de confiance. Préparer les conditions des données et des processus requises pour les futures fonctionnalités, notamment : la classification et le tri automatisés des tickets ; les outils d'assistance aux agents ; les résumés de tickets et les recommandations de réponses ; la découverte et la réutilisation des connaissances ; le routage intelligent et l'automatisation des flux de travail. Garantir que le futur socle prêt pour l'IA (AI-ready foundation) soit construit avec un contexte fiable, un accès contrôlé, une responsabilité claire, des données traçables et une supervision humaine appropriée. 5. Livrables clés potentiels Le consultant devra contribuer à produire : Une évaluation de l'état actuel des 3 CRM, couvrant les données, les processus, la configuration, l'expérience utilisateur, la dette technique, les risques et les opportunités. Une comparaison croisée des CRM et une analyse des écarts (gap analysis), identifiant les fonctionnalités réutilisables, les différences critiques et les priorités de convergence. Un glossaire métier mondial pour l'Assistance Client et un cadre de KPI commun. Les principes du modèle de données cible harmonisé et la documentation détaillée du mappage des données. Une évaluation de la qualité des données, une stratégie de remédiation, un cadre de KPI de qualité et un modèle opérationnel de gouvernance des données. Un backlog Product Owner priorisé contenant les user stories, les critères d'acceptation, les dépendances et la justification de la valeur. Une feuille de route de convergence, comprenant des analyses approfondies (deep dives), des gains rapides (quick wins), les travaux fondateurs et les décisions architecturales à plus long terme. Les supports de gouvernance du groupe de travail, y compris les registres de décisions, les plans d'action, les registres de risques et les points d'avancement destinés à la direction.

Dans le cadre du renforcement de ses équipes, notre client recherche un(e) QA Practice & Tools Manager afin de structurer, industrialiser et faire évoluer les pratiques d'ingénierie qualité à l'échelle de l'organisation. 📍 Localisation : Lyon ou Paris 🏠 Télétravail : Présence sur site requise à 100% durant les 3 premiers mois, puis 3 jours par semaine sur site. Rattaché(e) au Quality Engineering Director, vous serez garant(e) de la stratégie qualité, des méthodologies, des outils et de la montée en maturité des équipes QA. Vos principales responsabilités seront : Définition et pilotage des pratiques Quality EngineeringDéfinir et déployer les bonnes pratiques d'ingénierie qualité. Formaliser les méthodologies, processus, DoR, DoD et Quality Gates. Définir les standards de test (unitaires, intégration, système, UAT, performance, sécurité). Structurer la pyramide de tests et les stratégies Shift Left / Shift Right. Construire une stratégie d'automatisation alignée avec les enjeux métier et le ROI. Gouvernance des outils et automatisationPiloter le choix et la rationalisation des outils QA. Définir l'architecture des frameworks d'automatisation. Standardiser les pratiques et conventions de développement des tests. Assurer l'intégration des outils QA dans les pipelines CI/CD et DevOps. Industrialisation et amélioration continueStandardiser et industrialiser les processus de test. Définir et suivre les KPI qualité (défauts, couverture de tests, flakiness, lead time, etc.). Mettre en place des tableaux de bord qualité consolidés. Identifier et piloter les plans d'amélioration continue. Leadership et animation de la practiceRecruter, accompagner et développer les équipes QA. Animer la communauté qualité et les initiatives de partage de connaissances. Construire les parcours de carrière, plans de formation et dispositifs de mentorat. Accompagner les équipes dans leur montée en compétences et l'adoption des bonnes pratiques. InnovationÉvaluer et intégrer les opportunités offertes par l'IA générative dans les processus de test. Étudier l'apport des LLMs dans la génération, la maintenance et l'automatisation des tests.

Astrelya est un cabinet de conseil franco/suisse, en très forte croissance depuis sa création en 2017, spécialisé dans la transformation digitale, l'excellence opérationnelle et l'innovation technologique. Il est composé de 300 experts passionnés. Le cabinet accompagne ses clients sur l'ensemble du cycle de transformation, depuis la phase de cadrage jusqu'à la mise en œuvre opérationnelle, avec une expertise forte en Data/IA, Cloud, DevOps et méthodes agiles. Astrelya se distingue par un modèle fondé sur la proximité, la confiance et une culture humaine forte, qui place les collaborateurs au cœur de la création de valeur. Dans le cadre de notre développement dans le secteur de la Banque / Finance, nous recherchons un Product Owner Back-Office Financements (H/F). Contexte de la mission La mission proposée s'inscrit dans le cadre du d'un important programme de refonte de l'écosystème de la Banque de Financement d'un client bancaire. Vos Rôles & Responsabilités Gestion du backlog : priorise les fonctionnalités, les user stories et les exigences pour la plateforme de back-office dédiée aux financements Collaboration transverse : travaille avec les équipes de développement, les Business Analysts et les parties prenantes des métiers de la finance Vision de la plateforme : contribue à la construction d'une architecture de données centralisée et mondiale pour les opérations de financements structurés Cette annonce vous correspond ? Postulez ! 🚀 Tous nos postes sont ouverts aux personnes en situation de handicap.

Astrelya est un cabinet de conseil franco/suisse, en très forte croissance depuis sa création en 2017, spécialisé dans la transformation digitale, l'excellence opérationnelle et l'innovation technologique. Il est composé de 300 expert passionnés. Le cabinet accompagne ses clients sur l'ensemble du cycle de transformation, depuis la phase de cadrage jusqu'à la mise en œuvre opérationnelle, avec une expertise forte en Data/IA, Cloud, DevOps et méthodes agiles. Astrelya se distingue par un modèle fondé sur la proximité, la confiance et une culture humaine forte, qui place les collaborateurs au cœur de la création de valeur. Dans le cadre d'un projet stratégique mené au sein d'un grand acteur du transport, nous recherchons un(e) Architecte Réseau & Sécurité Senior pour accompagner la transformation et la sécurisation de ses infrastructures Datacenter. Vous interviendrez sur un enjeu majeur : concevoir et industrialiser une offre de cloisonnement des systèmes d'information, afin de faire évoluer les infrastructures existantes vers une architecture davantage segmentée, sécurisée et industrialisée. 🎯 Vos principales missions Analyser l'architecture Réseau & Sécurité existante et identifier les risques et points de faiblesse. Définir l'architecture cible de cloisonnement en fonction des différents niveaux de criticité des SI. Concevoir et industrialiser une offre de services de cloisonnement / micro-segmentation. Définir les patterns d'architecture, niveaux de cloisonnement, prérequis et règles d'éligibilité. Construire une roadmap d'optimisation et d'industrialisation de la gestion des ouvertures de flux. Identifier les outils nécessaires pour automatiser et fluidifier la gestion des demandes et validations. Définir les processus d'exploitation et de maintien en conditions opérationnelles de la nouvelle offre. Piloter la transformation, coordonner les différentes équipes techniques et assurer l'accompagnement au changement. 🛠 Environnement technique Sécurité : Check Point, Fortinet, F5 Micro-segmentation : VMware NSX Gestion des flux : Tufin, AlgoSec Réseau Datacenter : Cisco, VXLAN Systèmes : Red Hat Linux 8, Windows Server 2019 Automatisation / IaC : Ansible Network Automation, Terraform, Shell

Contexte : Dans le cadre du renforcement de ses équipes techniques, notre client recherche un Développeur .NET / Angular / Python pour intervenir au sein d'une équipe spécialisée dans les environnements Data, Cloud, IA et plateformes applicatives. L'équipe accompagne différents métiers dans la conception, le développement et l'industrialisation de solutions techniques modernes, notamment autour des architectures microservices, conteneurisées et cloud. Le consultant évoluera dans un environnement Agile et international, en collaboration avec des équipes techniques réparties sur plusieurs sites européens. Missions : Le consultant interviendra principalement sur le développement et l'industrialisation d'applications et de microservices. Développer et maintenir des microservices en .NET / C# ; Participer ponctuellement aux développements front-end Angular ; Contribuer à la conception technique des solutions ; Participer aux revues de code et garantir la qualité des développements ; Concevoir et maintenir les pipelines CI/CD ; Participer au déploiement et à l'exploitation des applications sur des environnements OpenShift / Kubernetes ; Rédiger et maintenir la documentation technique ; Participer aux différentes cérémonies Agile : daily, sprint planning, rétrospectives, etc.

I. Contexte : Équipe Décisionnelle - AMOA Décisionnel Reporting, exploitation de data, BI II. Missions : · Conception et mise en place de datamarts · Créer et déployer les structures de données destinées aux analyses métier · Garantir la performance des requêtes analytiques · Développement de reporting · Concevoir et produire les rapports d'exploitation pour les métiers · Adapter les livrables aux besoins de chaque ligne de produits (reporting dépend vraiment du métier) · Exploitation de la donnée et BI · Analyser et transformer les données brutes en insights actionnables · Piloter les outils de BI et de requêtage pour extraire la valeur des données · Gestion de portefeuille de projets en parallèle · Capacité à piloter plusieurs sujets décisionnels simultanément · Passage fluide d'un projet à un autre tout en maintenant la qualité · Coordination cross-équipes · Travailler en lien avec les équipes métier, IT et le pôle référentiel pour assurer la cohérence globale · Avoir une vision transverse des flux de données et des dépendances L'architecture technique est un mélange de legacy et de modernité : · Mainframe / MVS (legacy) · Systèmes historiques où résident les données clients et les contrats · DB2 (Référentiel personne / client) · Base de données centralisée contenant le référentiel unique des clients · Snowflake (Plateforme analytique) · Plateforme cloud où seront hébergés les datamarts et les données analytiques · Source de données pour tous les usages BI et reporting · Outils métier · JIRA pour la gestion de projet · X-Ray pour la recette (tests) · Suite Microsoft (bureautique, collaboration) · Stack BI / Outils de requêtage · Outils actuels pour l'analytics et le reporting (détails à préciser lors de l'intégration) · IA et innovation