À propos de Karim
Je suis un consultant senior en Data & Business Intelligence, spécialisé dans la conception, l’optimisation et la gouvernance de solutions Power BI et SQL Server. Fort de plus de 12 ans d’expérience dans la data, j’ai accompagné de grands groupes (industrie, santé, retail, finance) dans la construction de modèles de données robustes, de dashboards stratégiques et de processus d’automatisation à haute valeur ajoutée.
Expertises principales :
•Power BI (modélisation DAX/M, RLS, performance, gouvernance, CI/CD via pbi-tools et GitHub)
•SQL Server, SSIS, Tabular Editor, Azure Data Factory, Fabric
•Modélisation multidimensionnelle & cubes SSAS
•Data architecture, automatisation ETL (PowerShell, Excel VBA, API)
•Intégration CRM (Salesforce, Factorial, X3, Sylob)
•Déploiement et maintenance de reports financiers, sales & supply chain
Mon approche allie vision stratégique et excellence technique pour transformer la donnée en décisions opérationnelles et leviers de performance. J’interviens aussi bien sur la conception de dashboards que sur la mise en place d’environnements BI complets (Dev/Test/Prod, automatisation, monitoring).
Mots-clés : Power BI, SQL, SSIS, Tabular Editor, Azure, CI/CD, Data Modeling, ETL, Reporting, KPI, Dashboard, DAX, Fabric, Business Intelligence, Data Architecture, Data Strategy.
Français
Bilingue ou natif
Anglais
Bilingue ou natif
Accepte de travailler sur site
Paris (jusqu’à 50 km)
Expériences
- ODDO-BHF — FinanceData Architectjanvier 2026 - Aujourd'hui (5 mois)Stack: Microsoft Fabric (Lakehouse, Pipelines, Dataflows Gen2, Direct Lake), Power BI, Snowflake, dbt, Azure, GitHub CI/CD• • Designed the target Lakehouse architecture on Microsoft Fabric (Bronze / Silver / Gold) feeding regulatory, risk and asset-management reporting.• • Industrialized 30+ ingestion pipelines (Pipelines + Dataflows Gen2) with incremental refresh, replacing legacy ETL chains and cuting refresh times by 60%.• • Modeled semantic layers in Direct Lake mode delivering near real-time KPIs to Front-Office and Finance users — millisecond query latency on multi-billion-row fact tables.• • Set up GitHub CI/CD for Fabric items (notebooks, pipelines, semantic models) with environment promotion (DEV → REC → PROD) and automated quality gates.• • Defined data governance standards: naming conventions, lineage, sensitivity labels, row-level security on confidential portfolio data.• • Coached data engineers and BI developers on Fabric, dbt and Power BI best practices; led architecture review board sessions.
- LUMIBIRD GROUPHead of Data & BIoctobre 2023 - Aujourd'hui (2 ans et 8 mois)• Developed and executed a BI roadmap aligned with business objectives.• Manage Business intelligence report and systems for 10 different countries.• Led a team in designing Power BI dashboards to provide actionable insights across Finance, Sales, and Operations.• Managed gross margin analysis, KPI tracking, and financial reporting, optimizing data efficiency.• Collaborated with cross-functional teams to improve data consistency and system integration.• Delivered enhanced data visualization tools to support strategic decision-making.
- GLOBE GROUPEConsultant DATA / Power BIjuillet 2024 - juillet 2024Paris, FranceTâches réalisées et problèmes rencontrésÉvolution des ventes :Insérer un pourcentage d’évolution entre chaque semaine : réalisé, ok.Calculer un pourcentage d’évolution entre des semaines non consécutives (par ex. entre S24 et S27) : réalisé mais nécessite le calcul de 6 mesures avant.Obtenir le pourcentage d’évolution global par famille et par produit : réalisé pour les familles.Créer un tableau pour les ventes en volume et en valeur avec possibilité de descendre à la famille de produit et au produit, incluant un pourcentage d’évolution : prêt à l'emploi.Résultat sell-out vs target en CA :Créer un tableau avec colonne magasin, colonne résultat, colonne target et colonne %sales vs target : réalisé en supposant que le résultat correspond au CA.Targets globales pour les magasins, sans distinction entre les familles de produits : ok.Rupture produit :Créer un tableau similaire avec colonne magasin, colonne résultat, colonne target et colonne %sales vs target : ok.Targets globales pour les magasins, sans distinction entre les familles de produits : ok.Corrélation des données Sell-out, Stock, DN :Produire un graphique et un tableau avec clé d’entrée magasin, avec une granularité de l’évolution des ventes, incluant les données de Stock et de DN : problème de compréhension, surtout pour la partie "fouring".Avoir ces données globalement par famille de produit et par produit.Exemple de graphique souhaité : permettre un filtrage par famille de produit (Lavage, Froid, Four) et ajouter des filtres au niveau magasin.Page avec visualisation des tableaux :Créer une page avec la même visualisation des deux tableaux mentionnés ci-dessus : en cours.Taux de présence :
Avis
Recommandations
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Master en Business IntelligenceUniversité de lorraine2013
- Mastère en audit des systèmes d'informations & contrôle de gestionSKEMA Business school2015
Certifications
- Power BIMicrosoft2019
- Implementing datawarehouseMicosoft2018