Retour aux projets ↗

AUCHAN RETAIL FRANCE · 2024–2025

Des flux maîtrisés.
Des données fiables.

Fiabilisation et industrialisation de flux de données dans un environnement retail

Data Analyst — Contrôle & Audit. Du besoin métier au suivi en production, pendant mon stage puis mon alternance.

SQL / BigQueryQualité des donnéesAutomatisationBI

CONTEXTE & CONTRIBUTIONS

Relier compréhension métier
et exécution technique.

Au sein du service Performance de la DSI, j’ai travaillé sur le contrôle fiscal, le cadrage du chiffre d’affaires et les données destinées aux auditeurs externes. J’exploitais les données mises à disposition dans BigQuery par les équipes contributrices : compréhension des structures existantes, identification des sources pertinentes, développement des traitements et validation des résultats.

Mes interventions s’inscrivaient dans un travail collectif avec les équipes métiers et techniques, en organisation Agile Scrum.

01

ANALYTICS ENGINEERING

Reconstruction de flux d’audit
sous BigQuery

Après le passage de Teradata à GCP, j’ai reconstruit deux extractions destinées à l’audit des programmes de fidélité. Il fallait retrouver les informations attendues à partir des structures existantes dans BigQuery, préciser les règles métier et comparer les résultats avec les livrables historiques.

J’ai structuré les traitements en étapes avec des CTE, exploité des données imbriquées et construit les jointures nécessaires. La lisibilité des requêtes, les alias, les commentaires et la sélection des champs et des périodes utiles accompagnaient le travail sur les performances.

FIG. 01 / MÉTHODE

Du besoin métier à l’extraction validée

Ma démarche SQL

COMPRENDRE

01

Cadrer le besoin

Périmètre, période et niveau de détail attendus.

02

Identifier les sources

Données déjà exposées dans BigQuery.
Échanges avec les équipes contributrices.

CONSTRUIRE

CTE 01Définir les périmètresFiltres métier et temporels
CTE 02Préparer les donnéesChamps imbriqués, formats, valeurs manquantes
CTE 03Relier et transformerJointures, règles métier, regroupements
SORTIEAssembler le résultatColonnes utiles et structure homogène

VALIDER

03

Comparer & contrôler

Résultats historiques, volumes, complétude et cohérence métier.

04

Produire les livrables

Remises immédiates & cagnottes
Bons de réduction

↺ Analyse des écarts et ajustements des traitementsLisibilité · performance · validation
LIVRABLES2 extractions

Remises et cagnottes ; bons de réduction.

PÉRIMÈTREJan. 2023 → Avr. 2025

Historique couvert par les livrables produits.

COMPARAISON≈ 1 % / ≈ 20 %

Données manquantes sur le périmètre testé / extraction historique comparable. Constat lié à l’évolution des sources et des traitements.

02

AUTOMATISATION & AMÉLIORATION CONTINUE

Maintien de la fiabilité
des flux en production

Tout au long de mon stage puis de mon alternance, j’ai participé au maintien et à l’amélioration de plusieurs flux et dashboards du produit Contrôle & Audit. Ces interventions concernaient divers sujets, tels que la réconciliation du chiffre d’affaires des sites franchisés et non franchisés.

J’ai adapté les traitements aux évolutions des sources et des besoins, travaillé sur la mensualisation, la planification et l’envoi des fichiers, intégré des notifications et contribué à l’archivage automatique sous GCS. Ces travaux concernaient l’audit externe et d’autres sujets de l’équipe, dont le contrôle du CA des programmes de fidélité.

FIG. 02 / EXPLOITATION

Automatiser, suivre et conserver les livrables

Vue de synthèse · plusieurs flux
TRAITEMENTS RÉCURRENTS
01

Planifier

Fréquence & échéances
Ordonnancement TWS

02

Exécuter

Scripts Shell
Traitements BigQuery

03

Générer

Fichiers attendus
selon le périmètre

04

Envoyer & déposer

Destinations propres
à chaque flux

↓ EXÉCUTION

Notifications

Résultat des traitements
et alertes par e-mail

↓ LIVRAISON

Monitoring

Présence, date de dépôt
et cohérence des volumes

↓ FICHIERS

Archivage GCS

Conservation automatique
Contribution à la mise en place

Évolution → tests → déploiement → suivi → améliorationSQL · Shell · GitLab · TWS · GCS

Une progression sur la durée

Le dashboard de suivi des dépôts a été créé pendant mon stage. J’ai poursuivi les travaux sur l’automatisation des traitements, le suivi des livraisons et l’archivage au cours de mon expérience.

Des évolutions contrôlées

Tests unitaires, fonctionnels et de non-régression, suivi après déploiement et correction des jointures. Une intervention a notamment nécessité la reprise de huit mois d’historique.

FIG. 03 / MONITORING DES LIVRABLES

Une vue d’ensemble. Des écarts visibles.

Maquette · données fictives
Période illustrative · Juin 2025
Fichiers attendus26Périmètre de la maquette
Fichiers reçus25/26Un dépôt manquant
Volumes à vérifier1Parmi les fichiers reçus
Archives présentes25/25Pour les fichiers reçus

Complétude des dépôts par lot

Lots génériques · reçus / attendus

Audit · lot A10 / 10
Audit · lot B7 / 8
Audit · lot C8 / 8

Points d’attention

Dépôt manquant

Audit · lot B / fichier 08

Fichier attendu à l’échéance du scénario.
Volume à vérifier

Audit · lot B / fichier 07

72 000 lignes reçues ; plage indicative : 90 000–110 000.

Détail des livrables

Livraisons fictives et état de l’archivage
LivrableDépôtLignes reçuesContrôleArchive GCS
03

DATA QUALITY & BUSINESS ANALYTICS

Contrôle et pilotage
de la qualité des données

J’ai construit des extractions comparant trois taux de TVA : le taux appliqué au ticket, celui du référentiel produit et le taux de référence fiscale. Cette référence, constituée dans un fichier Excel vérifié et validé par le responsable fiscal, permettait de contrôler les deux autres taux, y compris lorsque le ticket et le référentiel produit présentaient la même erreur.

Le dashboard permettait de suivre les produits et sites concernés, les quantités impactées et le risque fiscal estimé. J’ai également travaillé avec les équipes responsables du référentiel produit sur la correction des taux. La cartographie du parcours des données, du référentiel aux caisses puis aux tickets, aidait à identifier l’origine des erreurs et à orienter les corrections.

FIG. 04 / CONTRÔLE TVA

Identifier les écarts. Orienter l’analyse.

Maquette · données fictives
Ticket & référentiel produit / référence fiscale validée
Référence fiscale validée

Le taux de référence fait foi pour contrôler séparément le taux ticket et le taux du référentiel produit.

Vue par site

Produits en anomalie, risque fiscal et quantités par site
SiteProduits
en anomalie
Risque fiscal
estimé
Quantités
impactées

Vue par produit

Sites concernés, risque fiscal et quantités par produit
ProduitSites
concernés
Risque fiscal
estimé
Quantités
impactées

Produits locaux / nationaux

Produits concernés et risque fiscal selon le périmètre
PérimètreProduits
concernés
Risque fiscal
estimé

Parcours des taux et localisation des anomalies

Couples produit × site distincts sur la période sélectionnée

Référentiel produit
Paramétrage caisse · PLU
Tickets

Évolution des anomalies observées

Observations avec au moins un taux différent de la référence fiscale / jour

Sites concernés

Observations avec au moins un taux différent de la référence fiscale

Détail du contrôle des trois taux

Taux ticket et référentiel produit comparés séparément à la référence fiscale validée
DateSiteProduitPérimètreTaux
ticket
Référentiel
produit
Référence
fiscale
Taux en anomalieQuantités
impactées
Risque fiscal
estimé

MON APPROCHE

Comprendre le besoin.
Fiabiliser la donnée.
Rendre le résultat exploitable.

Je présente ici mes contributions, ma démarche et les compétences mobilisées. Les données et le code source de l’entreprise restent confidentiels.

← Retour au portfolio