Fastdata

Data Engineering & BI freelance

1. Pipelines robustes & monitorés

🚨 AVANT

  • Pipeline PySpark casse 2x/semaine
  • Pas de logs exploitables
  • Relance manuelle tous les 2 jours
  • Retards reporting métiers
→

✅ APRÈS

  • Flux Airflow stable 30j
  • Logs + alertes Slack/Teams
  • Monitoring des jobs critiques
  • Données à jour quotidiennement

**Résultat** : 80% temps gagné sur maintenance, plus de retards reporting.

2. Automatisation de scripts manuels

🚨 AVANT

  • 3 scripts Python lancés manuellement
  • Cassent si API indisponible
  • Données pas toujours à jour
  • 1h/semaine de relance
→

✅ APRÈS

  • Automatisation cron + retry
  • Gestion erreurs (mail d'alerte)
  • Données fraîches tous les jours
  • 0 intervention manuelle

**Résultat** : Scripts 100% autonomes, données toujours fraîches.

3. Données propres & normalisées

🚨 AVANT

  • 15 Excel clients avec doublons
  • Formats incohérents (dates, CP)
  • Analyses peu fiables
  • Erreurs reporting récurrentes
→

✅ APRÈS

  • Base SQL centralisée
  • Règles normalisation appliquées
  • Contrôles qualité intégrés
  • Tableau de bord suivi qualité

**Résultat** : Données clients fiables, analyses exploitables.

4. Power BI rapide & fiable

🚨 AVANT

  • Rapports Power BI > 30s chargement
  • 3 versions KPI CA différents
  • Modèle non documenté
  • Questions métiers constantes
→

✅ APRÈS

  • Chargement < 5s
  • 1 mesure DAX CA unifiée
  • Modèle documenté
  • Autonomie métiers

**Résultat** : Temps chargement ÷6, confiance métiers restaurée.

5. Structuration & documentation

🚨 AVANT

  • Tables produits mal nommées
  • 5 defs différentes "produit actif"
  • Équipes refont mêmes traitements
  • Erreurs de jointures fréquentes
→

✅ APRÈS

  • Référentiel produits unique
  • Schéma SQL clair + doc
  • Règles métier écrites
  • Jointures fiables

**Résultat** : Équipes alignées, moins d'erreurs, gain productivité.