Senior Functional Data Architect – Architecte Data Fonctionnel Senior

Senior Functional Data Architect – Architecte Data Fonctionnel Senior

Vorstone recherche un(e) Senior Functional Data Architect pour l'un de ses client basé en IDF 5(92) Hauts-De-Seine afin de contribuer à la valorisation et à la structuration des données à l’échelle du Groupe, dans le cadre d’un programme ambitieux de Data Governance, afin de contribuer à la valorisation et à la structuration des données à l’échelle du Groupe.

L’Architecte Data Fonctionnel interviendra sur les bonnes pratiques d’architecture de données appliquées notamment aux domaines :

• Analytics / BI

• Intelligence Artificielle (AI)

• Master Data Management (MDM)

• Données IT : spécifications, applications, projets, ITSM, infrastructures, etc.

La mission implique une collaboration étroite avec différentes communautés :

• Experts métiers et experts Data

• Data Governance Managers

• Architectes Enterprise, Solution et techniques

• Data Product Managers

• Data Engineers / Développeurs

• Data Scientists

L’objectif est de garantir une structuration optimale et pérenne des données et des plateformes Data, avec une vision moyen / long terme, afin de faciliter leur exploitation par les métiers, du simple accès aux données jusqu’aux usages avancés de Data & Analytics.

Missions principales

Architecture fonctionnelle et modélisation des données

• Comprendre les processus métiers de haut niveau et l’architecture des données du système d’information à travers les différentes Business Units.

• Cartographier les principales sources et applications : ERP, CRM, PIM, MDM, applications IT et métiers, plateformes BI / Reporting / Data / AI.

• Contribuer à l’évolution des ontologies d’entreprise et des modèles de données : principales entités de données et relations sémantiques.

• Collaborer avec les experts Data métiers, les équipes Data Governance et les architectes Enterprise, Solution et techniques.

• Cartographier les assets existants au sein des Data Platforms, notamment la plateforme Corporate.

• Prioriser leur standardisation en fonction des besoins métiers afin de faciliter la consommation et la réutilisation des données.

Data Modelling & structuration des données

• Analyser et identifier les besoins de structuration des bases et modèles de données à partir des besoins fonctionnels actuels et futurs.

• Définir des modèles permettant de développer des capacités self-service Data.

• Travailler sur les problématiques :

  • Agrégation et consolidation des données

  • Normalisation / dénormalisation

  • Rationalisation des structures de données

  • Gestion et amélioration de la qualité des données

• Concevoir des datasets standardisés et réutilisables, facilement accessibles via une Data Marketplace.

• Garantir la cohérence, la fiabilité et la facilité de consommation des datasets pour différents usages métiers.

Master Data Management – MDM

• Définir le positionnement des différents flux MDM dans le paysage du système d’information.

• Prendre en compte les différents domaines fonctionnels et Business Units.

• Garantir que les processus métiers disposent des données appropriées avec le niveau de Data Quality attendu.

Data Governance & Data Quality

• Appliquer le framework de Data Governance Groupe et notamment les politiques de Data Architecture.

• Définir et appliquer les règles permettant de construire des datasets standardisés et réutilisables.

• Accompagner les experts Data métiers et les équipes IT dans la définition et l’implémentation des contrôles de qualité des données.

• Évaluer les datasets logiques et leurs implémentations afin de vérifier leur conformité avec les standards et frameworks Groupe.

• Veiller à l'application des politiques de gestion des risques liés aux données :

  • Classification des données

  • Confidentialité et Privacy

  • Conformité

  • Politiques et gestion des accès

  • Rétention des données

Processus, métadonnées & documentation

• Documenter en BPMN les principaux processus métiers produisant et consommant les données.

• Gérer et enrichir les métadonnées.

• Garantir la visibilité sur :

  • La couverture fonctionnelle des datasets

  • La fraîcheur des données

  • Les informations nécessaires à leur bonne compréhension et utilisation

• Contribuer aux travaux des Data Councils et des différentes instances de Data Governance.

Intelligence Artificielle

• Utiliser les outils et capacités AI afin d’accélérer les travaux d’architecture, de modélisation et de documentation.

• Identifier les usages permettant d’améliorer l’efficacité et la rapidité des livrables.