Ernest Popovici

Chez Effy, j’ai participé à la modernisation de la couche analytique en introduisant une Semantic Layer basée sur MetricFlow au-dessus d’un projet dbt déjà en place. J’ai migré et refondu les modèles dbt, défini les entités sémantiques et standardisé les métriques métier utilisées dans les dashboards. Cela a réduit les divergences entre équipes, renforcé la confiance dans les données et préparé le terrain pour un véritable self-service analytics. J’ai travaillé en lien direct avec les équipes data et métiers pour aligner les définitions de métriques sur la réalité business.

Chez EDF Renouvelables, j’ai participé à un projet de longue durée visant à construire un Data Lab complet sur AWS. L’objectif était de centraliser les données et l’analytics pour plusieurs équipes internes. J’ai d’abord configuré une première plateforme d’intégration de données, puis conduit la migration vers une solution plus avancée. Cela a impliqué la refonte des pipelines d’ingestion, l’adaptation des modèles de données et l’intégration étroite avec des services AWS comme S3, Glue, Athena, CDK ou SageMaker. J’ai également rédigé la documentation, animé des sessions de formation pour des profils techniques et non techniques, et servi de point de contact anglophone avec les partenaires externes.

Chez Datanumia, j’ai travaillé sur l’industrialisation de la plateforme analytique. La solution existante reposait sur de nombreux scripts Python orchestrés dans AWS Glue, difficiles à maintenir et à faire évoluer. J’ai introduit dbt comme framework de transformation central au-dessus de Redshift, redéfini la couche de modélisation, ajouté des tests et de la documentation, et contribué à la configuration du cluster Redshift ainsi qu’à l’orchestration via des Lambdas. La nouvelle architecture a fortement amélioré la stabilité, la transparence et la vitesse de développement des évolutions.