ISMAEL N À partir de €500 /jour

ISMAEL N

Consultant BI Senior – Expert Power BI & Data Visualisation

Issy-les-Moulineaux , France
1 recommandation
Tarif indicatif
À partir de €500 / jour

Présentation de ISMAEL

Consultant BI senior spécialisé Power BI, avec plus de 10 ans d’expérience en data analytics. J’accompagne les organisations dans la modernisation de leurs systèmes décisionnels, la migration de solutions BI complexes (Cognos vers Power BI) et la mise en place de plateformes Power BI robustes et gouvernées, reposant sur une modélisation de données fiable et des indicateurs métiers pertinents. Habitué aux environnements grands comptes (Agirc-Arrco, Alstom), j’interviens de la conception à la mise en production, jusqu’à la formation et la montée en compétence des utilisateurs. Approche structurée et pragmatique, basée sur un cadrage initial des enjeux métiers et des données existantes, des itérations courtes avec validation régulière, et une attention particulière portée à la gouvernance, à la qualité et à la documentation. L’objectif est de livrer des solutions fiables, lisibles et maintenables, rapidement exploitables par les équipes, tout en assurant la transmission des bonnes pratiques et l’autonomie des utilisateurs.

Métiers & compétences

Métiers
Consultant BI Sénior
Ingénieur Business Intelligence Sénior
Data Analyst Sénior
Compétences
power bi dax Data Modeling power query Data visualisation dataflows modélisation en étoile looker studio self- service bi power automate bigquery rls report builder bitbucket business intelligence cognos confluence ux crm data etl excel git gouvernance bi jira kpis métiers looker méthodologie agile oracle postgresql python r salesforce sfd sql server storytelling talend teradata
Logiciels
Microsoft Power BI Expert
Power Query Confirmé
Power BI Report Builder Confirmé
Looker Studio Intermédiaire
Looker Intermédiaire
Cognos Intermédiaire
SQL Confirmé
BigQuery Confirmé
Python Confirmé
VBA Expert
Access Expert
R Intermédiaire
Langues
anglais Capacité professionnelle complète
français Bilingue ou natif
Expérience dans les secteurs
Mutuelle Hôtellerie Logistique Évènementiel Transport ferroviaire

Expériences professionnelles

Créez votre profil pour découvrir toutes les expériences professionnelles de ISMAEL.
J’ai déjà un compte

Formation

Créez votre profil pour découvrir les formations de ISMAEL.
J’ai déjà un compte
1 recommandation
L
Ludovic F • Responsable Méthodes Qualité ALSTOM - novembre 2025

J’ai eu le plaisir de travailler avec Ismaël au sein de l’équipe, où il a joué un rôle déterminant dans la mise en place d’un rapport Power BI destiné à améliorer le pilotage entre les équipes Qualité et Production. Grâce à sa capacité d’analyse, sa compréhension rapide des enjeux métiers et sa maîtrise des outils data, Ismael a su centraliser des données dispersées, réduisant ainsi les risques d’erreurs liés à leur consolidation. Son travail a également permis de diminuer significativement le temps consacré au reporting, ouvrant la voie à une analyse plus approfondie et à davantage de prise de recul pour les équipes. Le rapport qu’il a développé a accéléré l’accès aux indicateurs clés AQP/AQL, amélioré la visibilité en temps réel sur les anomalies, et, de manière générale, fluidifié la communication entre les services grâce à un reporting fiable, partagé et facile à exploiter. Au-delà de la qualité du livrable, j’ai particulièrement apprécié sa rigueur, son sens du service et sa capacité à collaborer efficacement avec l’ensemble des parties prenantes. Un apport majeur pour le projet, et un vrai plaisir de travailler avec lui. Je recommande vivement Ismaël pour toute mission mêlant analyse, data et optimisation des processus : il apporte une vraie valeur ajoutée.

Réalisations

Scoring_Overview.PNG
Rapport Power BI - Lead Scoring Client : Reed Midem (RX France)Durée : 6 moisAnnée : 2021Rôle : Data AnalystContexte et enjeuxReed Midem (aujourd'hui RX France), organisateur de salons professionnels internationaux de premier plan (MIPIM, MIPCOM, MAPIC, etc.), faisait face à un défi majeur : identifier efficacement les prospects les plus qualifiés parmi des milliers de contacts générés lors de campagnes marketing.Sans système de scoring automatisé, les équipes commerciales consacraient un temps considérable à analyser manuellement les prospects, ce qui entraînait une perte d'efficacité et des opportunités manquées. Le processus de qualification était long, subjectif et ne permettait pas de prioriser les actions de prospection.Objectif principalEn identifiant précisément les prospects les plus prometteurs, permettre aux commerciaux de concentrer leur temps et leur énergie sur les opportunités qui ont le plus de chances d'aboutir, pour des taux de conversion significativement améliorés.Architecture de la solutionLe système de lead scoring repose sur une architecture intégrée connectant quatre plateformes clés : Eloqua, SalesForce, Python et Power BIDashboard Power BI - Vue d'ensembleLe rapport Power BI "Scoring" offre une vision complète de l'activité de lead scoring avec des indicateurs clés de performance permettant d'évaluer l'efficacité du processus de qualification.Indicateurs clés du dashboard :Score 1 (last) : Nombre de prospects en Score 1 - niveau d'intérêt élevéScore 2 (last) : Nombre de prospects actuellement en Score 2 - niveau d'intérêt initialWorked : Nombre de prospects traités par les équipes commercialesBack to Not Started (last) : Prospects retournés au statut initial après réévaluationScored Campaign Members (last) : Répartition des prospects scorés par événementCampaign Member Worked after being scored : Suivi de la prise en charge commerciale post-scoringLogique de scoring et statutsLe système utilise une logique de scoring à 4 niveaux (1, 2, 3, 4) calculée dans Eloqua qui se traduit en statuts Salesforce spécifiques grâce au script Python d'automatisation :Règles de transition des statutsScore 1 : "UQ - Not started" ou "QCB - Score 2" → "QCB - Score 1" (Engagement fort confirmé)Score 2 : "UQ - Not started" → "QCB - Score 2" (Premier niveau d'engagement détecté)Score 3 ou 4 : Retour automatique à "UQ - Not started" (Désengagement du prospect)Progression : "QCB - Score 2" → "QCB - Score 1" (Amélioration du niveau d'engagement)Script Python d'automatisationLe cœur du système repose sur un script Python .py qui automatise la synchronisation entre les différentes plateformes.Fonctionnalités du scriptExtraction automatique : Récupération des scores Eloqua depuis les Custom Attributes SalesforceLogique métier : Application des règles de transition de statuts selon le scoreDouble destination : Insertion dans la table Lead_Scoring (Power BI) et mise à jour des Campaign Members (Salesforce)Gestion des erreurs : Système de logs et notifications email en cas d'échecFiltrage temporel : Ne traite que les scores des 30 derniers jours pour optimiser les performancesDemandTools : Utilisation d'un outil ETL pour la mise à jour en masse dans SalesforceMéthodologie et réalisation1 Analyse des besoins et définition du modèle de scoringCollaboration avec les équipes marketing et commerciales pour définir les critères de qualification et les niveaux de scoring pertinents pour chaque type d'événement.2 Configuration EloquaMise en place du modèle de lead scoring dans Eloqua basé sur les interactions (ouvertures d'emails, clics, téléchargements, visites de pages) avec attribution de points et définition des seuils.3 Paramétrage SalesforceCréation des Custom Attributes pour stocker les scores Eloqua, configuration des statuts Campaign Member et définition des règles de validation.4 Développement du script PythonCréation du script d'automatisation avec logique de scoring, connexion aux bases de données, gestion des erreurs et intégration avec DemandTools pour les mises à jour Salesforce.5 Création du dashboard Power BIDéveloppement du rapport "Scoring" avec indicateurs clés, visualisations par événement et suivi de la performance du processus de qualification.6 Tests et déploiementPhase de tests intensifs sur un échantillon de campagnes, validation des règles de scoring, planification de l'exécution quotidienne automatique et formation des équipes.Technologies utiliséesPython, Pandas, PyODBC, Eloqua, Salesforce, SQL Server, Power BI, DemandTools, Windows Task SchedulerRésultats et bénéficesGains opérationnelsAutomatisation complète du processus de qualification des prospectsMise à jour quotidienne automatique des scores dans SalesforceRéduction drastique du temps consacré à la qualification manuellePriorisation efficace des actions commerciales sur les prospects à fort potentielVisibilité en temps réel de l'état de qualification des prospectsGains commerciauxAmélioration significative des taux de conversion grâce à une meilleure priorisationAugmentation de la productivité des équipes commercialesRéduction du temps de cycle de venteMeilleure allocation des ressources commerciales sur les opportunités qualifiéesGains stratégiquesDonnées objectives et mesurables pour évaluer la qualité des campagnes marketingVision claire de l'efficacité du processus de nurturing par événementCapacité à identifier les leviers d'engagement les plus performantsBase solide pour l'amélioration continue des stratégies marketingDéfis techniques et solutionsSynchronisation multi-plateformesIntégration complexe entre Eloqua, Salesforce et Power BI avec des formats de données différents.Solution : Développement d'un script Python robuste avec gestion des erreurs et logs détaillés pour assurer la fiabilité.Gestion de la volumétrieTraitement quotidien de milliers de prospects sur plusieurs événements simultanés. Solution : Optimisation des requêtes SQL, filtrage sur 30 jours glissants et utilisation de DemandTools pour les mises à jour en masse.Règles métier complexesLogique de transition de statuts différente selon les événements et les comportements. Solution : Modélisation claire des règles dans le code avec commentaires détaillés et tests unitaires exhaustifs.Fiabilité et monitoringNécessité d'assurer le bon fonctionnement quotidien sans intervention manuelle.Solution : Système de notifications email en cas d'erreur, logs détaillés et planification via Windows Task Scheduler.
DSN_1.PNG
Rapport Power BI - DSN FIAB Client : Agirc-Arrco Durée : 18 mois Année : 2023-2024 Rôle : Consultant Power BIContexte du projetL'Agirc-Arrco, régime de retraite complémentaire des salariés du secteur privé, gère les cotisations et prestations de retraite de millions de bénéficiaires. Dans ce cadre, la fiabilité des Déclarations Sociales Nominatives (DSN) transmises par les entreprises est cruciale pour garantir l'exactitude des droits à la retraite. Le processus de fiabilisation DSN implique l'identification des écarts dans les déclarations, la notification aux entreprises concernées (identifiées par leur numéro SIRET), et le suivi de leur régularisation.Fiab DSN est le service d'accompagnement des entreprises dans cette démarche de mise en conformité. L'objectif était de créer un outil de pilotage permettant de suivre l'efficacité du processus de fiabilisation à travers des indicateurs clés de performance, depuis la détection des écarts jusqu'à leur régularisation.Dashboard Power BI - Page de SynthèseLa page de synthèse du rapport Power BI développé propose une vue d'ensemble des indicateurs stratégiques du processus de fiabilisation DSN, permettant un suivi en temps réel de la performance des actions de notification et d'accompagnement.Méthodologie et réalisationsAnalyse des besoins et spécificationsRencontres avec les équipes métiers pour comprendre le processus de fiabilisation DSN, identifier les indicateurs critiques et définir les attentes en termes de restitution.Modélisation des donnéesConception du modèle de données Power BI, intégration des sources (DSN, système de notification, suivi des interactions) et création des relations entre les tables.Développement des mesuresDAX Création de l'ensemble des mesures et calculs nécessaires pour alimenter les 13 indicateurs clés, en garantissant la cohérence et la performance des calculs.Design et création des visualisationsConception de la page de synthèse et des pages détaillées, en privilégiant la lisibilité et la facilité d'interprétation des indicateurs.Tests et validation métierPhase de tests intensifs avec les utilisateurs finaux, validation des calculs et ajustements itératifs basés sur les retours terrain.Déploiement et formationMise en production du rapport sur Power BI Service, planification des actualisations automatiques et formation des équipes GPS à l'utilisation du dashboard.Technologies utiliséesPower BI Desktop, Power BI Service, DAX, Power Query, PostgreSQL, TeradataRésultats et bénéficesAméliorations opérationnelles→ Vision consolidée et en temps réel de l'avancement du processus de fiabilisation→ Identification rapide des points de blocage et des axes d'amélioration→ Optimisation de l'allocation des ressources GPS en fonction des priorités→ Amélioration du suivi de la qualité de service (respect des délais de rappel)Gains stratégiques→ Pilotage data-driven du processus de fiabilisation DSN→ Meilleure traçabilité des interactions avec les entreprises→ Capacité à mesurer l'efficacité des différents canaux de communication→ Support à la prise de décision pour l'amélioration continue du processus→ Reporting régulier facilité pour les instances de gouvernanceDéfis techniques et solutionsComplexité des règles métierLes indicateurs nécessitaient des calculs complexes avec de nombreuses conditions métier spécifiques. Solution : Création de mesures DAX modulaires et documentées, permettant une maintenance facilitée. Performance et volumétrie Traitement de volumes importants de données DSN et d'historiques d'interactions. Solution : Optimisation du modèle de données, agrégations préalables et utilisation de tables de dimension efficaces. Évolution des besoinsLe processus de fiabilisation étant en constante amélioration, de nouveaux indicateurs étaient régulièrement demandés. Solution : Architecture modulaire permettant l'ajout facile de nouvelles mesures et visualisations.
Cockpit_QI_Accueil.PNG
Alstom - Rapport Power BI Cockpit - QI Client : Alstom - Site CrespinDurée : 3 moisPériode : Avril - Juillet 2025Rôle : Consultant Power BIContexte du projetAlstom, leader mondial de la mobilité ferroviaire, opère sur son site de Crespin la production et la maintenance de trains régionaux, RER et métros. Le suivi qualité de ces productions stratégiques reposait sur un système fragmenté de fichiers Excel individuels, un par responsable qualité.Bien que les données soient extraites automatiquement des systèmes de production vers des fichiers Excel, leur exploitation restait complexe et chronophage. Cette situation limitait la capacité des équipes à identifier rapidement les problèmes qualité, à analyser les tendances et à prendre des décisions éclairées.Objectifs du projetCentraliser, uniformiser et enrichir le reporting qualité via Power BI pour améliorer la fiabilité et l'exploitation des indicateurs AQP (Assurance Qualité Produit) et AQL (Acceptable Quality Level), et faciliter le pilotage collaboratif entre les équipes Qualité et Production.Structure du rapportLe rapport Cockpit QI est organisé en 12 pages thématiques répondant aux besoins spécifiques des équipes qualité :Pages opérationnelles :📋 AccueilPoint d'entrée avec filtres globaux et navigation📊 DashboardVue synthétique des KPI : aléas, OF, retouches, actions, RNC📝 ReportDétails par onglets : Aléas, Retouches, Actions, OF, RNC avec photos des défauts⚠️ RNCSuivi des rapports de non-conformité par responsabilitéPages d'analyse qualité :🔍 Top RNC FournisseurAnalyse des non-conformités fournisseurs externes📈 AQP DéfautsIndicateurs Assurance Qualité Produit : défauts par contrôle et DPU📉 AQL DéfautsNiveau de Qualité Acceptable : demerit externe et comparaison PC9/PC11🔬 AQL Analyse DéfautsAnalyse détaillée par famille et code défaut (dont procédés spéciaux)🌍 Origine DéfautsMatrice d'origine par localisation, station, responsabilité📅 EvolutionTendances temporelles avec axes d'analyse multiples⚙️ OQMSuivi des Ordres Qualité Modification et heures associées🎯 PCXPoints de Contrôle : statuts PC02, PC09, PC11Réalisations et livrables1 Animation d'ateliers et cadrageOrganisation de sessions collaboratives avec les équipes Qualité et IT pour identifier les besoins métiers, cartographier les sources de données et définir les indicateurs clés de performance à suivre.2 Maquettage visuel et conception UXCréation des maquettes des pages du rapport, définition de l'ergonomie et ajout de nouveaux indicateurs pertinents non présents dans l'ancien système Excel.3 Modélisation et transformation des donnéesCréation et modélisation du dataset Power BI à partir des fichiers Excel SharePoint. Transformation des données via Power Query et création de mesures DAX complexes pour les calculs d'indicateurs AQP/AQL.4 Développement des rapports interactifsConstruction des 12 pages du rapport avec visualisations interactives, drill-through, tooltips personnalisés et extraction de données (photos des défauts). Garantie de la cohérence et de la fiabilité des analyses.5 Recettes et validationPrésentations hebdomadaires des développements aux responsables Qualité, recueil des feedbacks, ajustements itératifs et validation fonctionnelle progressive de chaque page du rapport.6 Documentation et formationRédaction des spécifications fonctionnelles détaillées (SFD - 40 pages), formation des utilisateurs finaux à Power BI Service et à l'utilisation des rapports interactifs.7 Mise en production et pérennisationDéploiement du rapport sur Power BI Service, définition des rôles de maintenance, documentation des procédures d'actualisation des données et transfert de compétences pour assurer la continuité après la mission.Architecture techniqueSources de donnéesExtractions AOS quotidiennes (Action, Alea, Operation, Rework) depuis SharePointHistoriques annuels extraits de QlikSense (Aléas, OF) pour plus de profondeurDonnées RNC consolidées manuellementPhotos défauts pour visualisation contextuelleDonnées OQM (ordres qualité et temps pointés)Référentiels (Projets, Type Véhicule, Régions, Contrôles, DefectCode, Responsabilités, Statuts, Origines)Modélisation Power BIArchitecture en étoile avec tables de faits et dimensionsActualisation automatique quotidienne pour les sources temps réel et référentielsActualisation manuelle hebdomadaire pour les historiquesMesures DAX organisées dans le datasetRelations optimisées pour garantir la performance sur gros volumesTechnologies utiliséesPower BI Desktop, Power BI Service, Power Query, DAX, Excel, SharePoint, QlikSense, AOS (Alstom Operating System)Résultats et bénéficesGains opérationnels :Centralisation de tous les indicateurs qualité dans un outil unique et accessibleRéduction significative du temps de consolidation des données (de plusieurs heures à quelques minutes)Actualisation automatisée quotidienne des indicateurs en temps réelÉlimination des risques d'erreurs liés aux manipulations manuelles de fichiers ExcelVision partagée et cohérente entre les équipes Qualité et ProductionGains analytiques :Identification rapide des défauts critiques et des tendances qualité grâce aux visualisations interactivesAnalyses multicritères (par projet, rame, station de travail, responsabilité, origine)Traçabilité complète avec accès direct aux photos des défautsSuivi précis des RNC fournisseurs et classement des principales non-conformitésTableaux de bord AQP/AQL (DPU, demerit, ratios) conformes aux standards industrielsGains organisationnels :Autonomie des équipes qualité sur Power BI Service après formationDocumentation complète (SFD de 40 pages) facilitant la maintenance et les évolutions futuresProcédures claires pour l'actualisation des données et l'ajout de nouveaux indicateursBase solide pour l'amélioration continue du processus qualitéTransfert de compétences assurant la pérennisation de la solutionDéfis techniques et solutionsHétérogénéité des sourcesLes données provenaient de multiples systèmes (AOS, QlikSense, fichiers Excel manuels) avec des formats et fréquences d'actualisation différents.Solution : Création d'un modèle de données unifié avec gestion différenciée des actualisations (automatique quotidienne vs manuelle hebdomadaire).Complexité des règles métierLes calculs d'indicateurs AQP/AQL nécessitaient des règles métier complexes (DPU par rame, demerit pondéré, responsable de relance selon statuts multiples).Solution : Développement de mesures DAX modulaires et documentées, avec validation itérative par les experts qualité.Performance sur gros volumesLe rapport devait traiter des milliers d'aléas, retouches et ordres de fabrication avec filtres interactifs fluides.Solution : Modélisation optimisée en étoile, mise en place de référentiels et gestion efficace des relations entre tables.Extraction des photos de défautsNécessité d'intégrer la visualisation contextuelle des photos de défauts depuis le rapport. Solution : Utilisation de la fonctionnalité drill-through avec extraction personnalisée permettant d'accéder aux images associées des aléas.

Qui suis-je ?

Test de personnalité
Créez votre profil pour découvrir ISMAEL.
J’ai déjà un compte