Benjamin Chouraki

Dans le cadre de la transformation de la Digital Factory, j’ai accompagné le responsable Data/IA dans la définition et le déploiement d’une nouvelle stratégie Data visant à moderniser l’infrastructure Azure, réduire le time-to-market et préparer l’ouverture à des usages avancés (Self-Service BI, Data Science, GenAI).

- Conduite d’un audit stratégique → cartographie des pain points côté métiers & équipe data.

- Définition des capabilities essentielles de la future Data Platform et conception de l’architecture cible.

- Restructuration de l’équipe Data → passage d’une équipe mono cas d'usage low-code BI à une organisation transverse et spécialisée (Data Engineers, Analytics Engineers, Data Scientists, PO).

- Déploiement d’une nouvelle plateforme Data Microsoft Fabric en 3 mois, orientée code-first, permettant d’harmoniser l’ingestion et d’accélérer les développements.

- Mise en place d’une gouvernance Data pragmatique et ouverture progressive de la plateforme aux Business Data Analysts.

- Time-to-market réduit de manière significative (50%), permettant un déploiement plus rapide des initiatives Data

- Dette technique fortement réduite grâce au passage à une architecture code-first (pipeline d'ingestion générique, CI/CD, transformations dbt)

- Équipe Data professionnalisée et montée en compétence sur Fabric. La spécialisation des profils a permis une meilleure répartition des rôles et efficacité accrue.

- Adoption renforcée du self-service analytics et meilleure collaboration IT/métiers afin de recentrer l'équipe Data uniquement sur les use cases à forte valeur ajoutée.

- Mise en place d’une plateforme robuste et évolutive, ouvrant la voie aux cas d’usage avancés (Data Science, GenAI).

Tags: Lead Data, Data Strategy, Data Governance, Microsoft Fabric, Azure, DBT, CI/CD, DataOps, Self-Service BI

Dans le cadre de la modernisation de sa plateforme Data, NAOS souhaitait mettre en place un environnement self-service pour ses équipes métiers, tout en professionnalisant l’approche technique (Snowflake, modern data stack).

- Évaluation technique d’une plateforme All-in-One self-service : définition des prérequis, critères d’évaluation, recette des livraisons et retours à l’éditeur.

- Accompagnement de l’équipe Data dans l'optimisation de l'usage d'une Modern Data Stack.

- Mise en place de Git et des process associés, formation et montée en compétence de l’équipe.

- Conception et déploiement d’une architecture médaillon sur Snowflake (standardisation des modèles de données et gouvernance des flux).

- Évaluation structurée d’une solution self-service a permis de mettre en avant l'apport et les NO GO permettant à la direction de sécuriser son choix technologique en prenant une décision éclairée.

- Professionnalisation de l'équipe grâce à l’introduction de Git et de bonnes pratiques CI/CD.

- Architecture Snowflake rationalisée, améliorant la fiabilité et la réutilisabilité des données en identifiant les golden sources.

Au sein de la Data Factory Groupe Servier (180 personnes), j’ai été directement rattaché au Chief Data Officer pour piloter et faire évoluer la plateforme Data Analytics mondiale (BigQuery / Power BI) utilisée par 17 000 utilisateurs, 2 000 workspaces et 10 000 rapports.

- Management & leadership : constitution et encadrement d’une équipe de 35 data analysts (vs 15 initialement), dont 4 internes. Mise en place de best practices, code review, gouvernance, accompagnement carrière et participation active au CODIR.

- Optimisation de la performance & des coûts : mise en place d’outils de monitoring avancés, audit conjoint avec Microsoft, optimisation du licensing PowerBI Premium (plateforme distribuée sur 3 continents).

- Modernisation technologique : introduction de DBT, rédaction des bonnes pratiques, veille stratégique sur Looker et Microsoft Fabric.

- Animation de la communauté Data : onboarding des business data analysts via un hybrid model, mise en place d’un programme d’acculturation et formation d'environ 100 collaborateurs métiers à l'analytique et PowerBI.

- Industrialisation et harmonisation des usages analytiques grâce à l’introduction de DBT et aux bonnes pratiques partagées par l'ensemble des analytics engineer.

- Optimisation des coûts liés au licensing Power BI et amélioration des performances globales de la plateforme.

- Croissance et professionnalisation des équipes : passage de 15 à 35 data analysts, meilleure répartition des rôles et montée en compétence.

- Amélioration de la qualité des données via les core models co-construits avec les métiers permettant d'activer une démarche de self-service analytique.

- Adoption renforcée de la BI en self-service avec 17 000 utilisateurs PowerBI et la mise en place d'une étroite collaboration avec l'équipe Global Data Office (lineage des données, data quality, data catalog acculturation).