6 ans d’expérience · Paris

Data Engineer · Tech Lead Data Products — GCP • Looker

Sadjo BARRY

Je transforme les besoins métier en Data Products gouvernés sur Google Cloud Platform (GCP) — de l’ingestion jusqu’au self-service analytics.

6 ans en Data Engineering. Aujourd’hui Tech Lead auprès des directions métier chez Renault Group : cadrage fonctionnel, modélisation, couches sémantiques Looker, gouvernance des KPI (indicateurs clés de performance) — et pilotage technique d’une équipe Data Engineering offshore en Inde.

Échanger sur LinkedIn(nouvel onglet)Voir les études de casTélécharger le CV
  • ~10 M€ d’économies pilotées
  • 20 pays
  • 50 000+ utilisateurs

Paris, France

Portrait de Sadjo BARRY

Impact mesuré

Des résultats mesurés en valeur métier.

  • ~10 M€

    d’économies pilotées en 2024, appuyées sur le projet TEM (Travel & Expense Management, pilotage des frais de déplacement)

  • 5

    solutions Self-Service Analytics livrées sur Looker, dont Worldwide Absenteeism déployée dans 20 pays

  • 50 000+

    utilisateurs des tableaux de bord Learning & Digital, déployés mondialement avec une gouvernance des accès par rôles

  • −20 %

    de coûts BigQuery — optimisation des requêtes, partitionnement, clustering et rationalisation des traitements Dataproc

  • 4

    directions métier accompagnées : DRH (Direction des Ressources Humaines), DISG (Direction Immobilier et Services Généraux), Légal et HSE (Hygiène, Sécurité, Environnement)

Expertise

Ce que je prends en charge

Du cadrage avec les directions métier jusqu’à l’exploitation en self-service : une seule chaîne de responsabilité, cinq domaines d’expertise.

  • Plateformes Data sur GCP

    Conception et industrialisation de bout en bout sur Google Cloud Platform : ingestion, transformation, orchestration, mise à disposition gouvernée aux métiers.

    • BigQuery
    • Dataflow
    • Composer
    • Cloud Storage
    • Dataproc

  • Modélisation & Data Products

    Modèles en couches Raw › Refined › Data Product, conçus pour le partage gouverné des données entre plusieurs domaines métier, sans duplication.

    • Modélisation en couches
    • Data Products
    • Partage inter-domaines
    • dbt

  • Gouvernance & qualité des données

    Sécurité par ligne et par colonne (RLS/CLS), accès basés sur les rôles, contrôles de qualité avant mise à disposition, conformité RGPD (Règlement général sur la protection des données) et auditabilité.

    • RLS / CLS
    • Accès par rôles
    • Contrôles qualité
    • RGPD

  • Couche sémantique Looker

    LookML unifié servant de source de vérité des KPI : dimensions métier standardisées, règles d’accès, self-service analytics cohérent pour les métiers.

    • Looker
    • LookML
    • KPI
    • Self-service analytics

  • SQL & Python

    SQL avancé et optimisation BigQuery — partitionnement, clustering, stratégies de requêtes — et pipelines Python orchestrés avec Airflow.

    • SQL avancé
    • Python
    • Airflow
    • Optimisation BigQuery

Un Tech Lead qui parle le langage des métiers et qui écrit encore le code.

  • Double casquette

    Je cadre avec la direction, je conçois l’architecture et je livre moi-même quand il le faut — comme sur le projet TEM.

  • Résultats chiffrés en €

    Économies, jours‑homme libérés, délais raccourcis : chaque Data Product est mesuré sur sa valeur métier.

  • Sécurité dès la conception

    Sécurité par ligne et par colonne, RGPD, auditabilité : chaque utilisateur ne voit que ce qu’il est autorisé à voir.

  • Delivery offshore maîtrisé

    Une équipe en Inde qui livre aux standards, alignée sur les priorités des métiers en France.

Études de cas

Deux Data Products, de la source à la décision.

Direction des Ressources Humaines · 20 pays

Worldwide Absenteeism — WTM (Workforce Time Management)

Conception et pilotage d’une plateforme mondiale d’analytics RH couvrant l’absentéisme pour plusieurs pays de Renault Group.

Responsable de la chaîne de valeur de bout en bout : ingestion et transformation des données RH, modélisation BigQuery, gouvernance, sécurité par ligne et par colonne (RLS/CLS), calcul des KPI, couches sémantiques Looker, tableaux de bord self-service et gestion des accès.

  • 20 pays
  • Accès filtré par salarié
  • 1 des 5 solutions Looker livrées

Chaque salarié ne voit que les données qu’il est autorisé à voir : la sécurité est portée par le modèle, pas par les tableaux de bord — ce qui rend la solution robuste à chaque nouveau pays ou nouvel utilisateur.

Architecture — de la source au self-service

  1. Sources

    SIRH (systèmes d’information RH) des pays

    Extractions multi-pays, formats et référentiels hétérogènes

  2. Ingestion

    Cloud Storage · Dataflow · Composer

    Pipelines orchestrés, contrôles de qualité, reprises et traçabilité

  3. Modélisation

    BigQuery — Raw › Refined › Data Product

    Partitionnement, clustering, sécurité RLS/CLS, calcul des KPI d’absentéisme

  4. Sémantique

    Looker / LookML

    Source de vérité des KPI, dimensions métier, accès par rôles

  5. Usage

    Self-Service Analytics RH

    Tableaux de bord pays et exploration autonome par les équipes RH

  • Gouvernance

    Sécurité par ligne et par colonne, accès basés sur les rôles, KPI définis une seule fois et réutilisés partout.

  • Partage inter-domaines

    Modèles de données conçus pour le partage gouverné entre plusieurs domaines métier, sans duplication.

  • Autonomie métier

    Les équipes RH explorent leurs indicateurs sans passer par la Data : moins de demandes ad hoc, décisions plus rapides.

DISG — Direction Immobilier et Services Généraux

Projet TEM — Travel & Expense Management

Un socle unique pour piloter les dépenses voyages et notes de frais, croisant données comptables, référentiel RH (fonctions, familles de métiers, niveaux hiérarchiques), jours travaillés et télétravail, et flux des outils Emburse et Amex GBT (American Express Global Business Travel).

  • ~10 M€

    d’économies pilotées sur les trois premiers trimestres 2024, appuyées sur les données TEM

  • 2–3 jours‑homme

    libérés chaque mois : flux direct Emburse → Renault, actualisation hebdomadaire au lieu de mensuelle

  • Le 20 du mois

    reporting Amex GBT diffusé au lieu du 25–30, charge fournisseur divisée par deux

  • ~70 %

    seulement de la dépense couverte par le budget de référence : écart mis en évidence et confirmé par la direction financière

  • Contrôle des notes de frais. Détection des doublons, cumuls réel/forfait, croisement invitants/invités des repas d’affaires — contrôles destinés au plan de contrôle de l’AFA (Agence française anticorruption).

  • Conformité & continuité. Intégration au Datalake Renault avec déclarations RGPD et sécurité : accès tracés, rapports auditables pour l’URSSAF (organisme de recouvrement des cotisations sociales) et l’AFA.

  • Prêt pour l’IA (intelligence artificielle). Données structurées pour l’analyse automatique des justificatifs et la projection budgétaire selon la politique voyages.

Tech Lead & coordination offshore

Un axe Paris ↔ Chennai, tenu par des standards écrits.

Je fais le lien entre les directions métier en France et l’équipe Data Engineering du RNTBCI (Renault Nissan Technology & Business Centre India), à Chennai.

  • Qualité des livraisons.

    Revues de code et de modélisation, critères d’acceptation explicites, contrôles de qualité des données avant mise à disposition.

  • Standards partagés.

    Conventions de développement, patterns de modélisation et bonnes pratiques documentés, pour des livrables homogènes quel que soit l’auteur.

  • Alignement métier.

    Priorisation continue du backlog avec les directions, pour que les développements servent les enjeux réels et non la file d’attente.

  • Travail distribué.

    Rituels adaptés au décalage horaire, spécifications écrites, traçabilité dans Jira et Confluence.

Dispositif

Rôle
Tech Lead / pilotage technique
Équipe
Data Engineering — RNTBCI, Chennai (Inde)
Périmètre
DRH, DISG, Légal & HSE
Cadre
Agile, projets internationaux

Parcours

6 ans chez Renault Group, de Data Engineer à Tech Lead.

  1. – aujourd’hui

    Renault Group

    Data Engineer · Tech Lead — Data Products (GCP • Looker)

    • Accompagnement des directions DRH, DISG, Légal et HSE dans la formalisation, la priorisation et la traduction de leurs besoins analytiques en solutions Data sur GCP.
    • Pilotage de la conception, de l’industrialisation et du déploiement des Data Products de mon périmètre, du cadrage métier à la mise à disposition.
    • Pilotage technique d’une équipe Data Engineering offshore (RNTBCI, Inde) : qualité des livraisons, coordination, alignement avec les priorités métier.
    • Définition des standards de développement, de modélisation et de gouvernance ; couches sémantiques Looker (LookML) et optimisation des performances BigQuery.

  2. –

    Renault Group

    Data Engineer — Data Platform & BI (Business Intelligence)

    • Traduction des besoins métier en solutions Data évolutives sur GCP (BigQuery, Cloud Storage, Dataflow) et conception de pipelines de bout en bout.
    • Administration de Spotfire, structuration des Information Links sécurisés et processus de déploiement garantissant un accès gouverné aux données.
    • Projets internationaux en environnement Agile, avec prise en charge progressive des sujets complexes jusqu’au rôle de référent technique.
    • Maintenance, optimisation, analyse d’incidents et accompagnement des utilisateurs pour garantir la disponibilité des solutions Data.

Stack & formation

Les outils du quotidien.

Google Cloud & données

  • BigQuery
  • Dataflow
  • Composer / Airflow
  • Cloud Storage
  • Dataproc
  • SQL avancé
  • Python
  • dbt

Modélisation & BI

  • Looker / LookML
  • Modélisation de données
  • Gouvernance des données
  • Sécurité ligne / colonne (RLS/CLS)
  • Spotfire (admin)
  • Dynatrace

Industrialisation & méthode

  • Git / GitLab
  • CI/CD (intégration et déploiement continus)
  • Docker
  • Linux
  • Jira
  • Confluence
  • Agile

Formation

  • Diplôme d’Ingénieur en Informatique

    Sup Galilée — Université Sorbonne Paris Nord

    2019–2022

  • Licence Mathématiques & Informatique

    Faculté des sciences — Université Ibn Zohr

    2016–2019

Réalisations marquantes

  • Projet TEM (Travel & Expense Management) : socle de pilotage ayant appuyé ~10 M€ d’économies en 2024.

  • 5 solutions Self-Service Analytics sur Looker, dont Worldwide Absenteeism déployée dans 20 pays, avec partage gouverné des données entre domaines métier.

  • Couche sémantique Looker/LookML unifiée, source de vérité des KPI et socle de la sécurisation des accès.

  • Déploiement mondial des tableaux de bord Learning & Digital auprès de plus de 50 000 utilisateurs, avec gouvernance des accès par rôles.

Contact

Échangeons sur vos sujets Data.

Plateformes Data sur GCP, couches sémantiques Looker, gouvernance des données : je partage volontiers retours d’expérience et bonnes pratiques avec les équipes et professionnels du domaine. Le plus simple pour me joindre : LinkedIn.

Me contacter sur LinkedIn(nouvel onglet)Télécharger le CVPDF · françaisGitHub(nouvel onglet)

Paris, France