Diego Negrier

Structuration du pilotage par la donnée à l'échelle nationale. Mise en place d'un catalogue de données et d'un référentiel qualité couvrant l'ensemble des processus opérationnels. Audit des flux existants, définition de règles d'exploitation, construction de tableaux de bord de suivi de la performance. Accompagnement des équipes dans l'appropriation des outils et la prise de décision basée sur les indicateurs.

Architecture data et pipelines ETL (Python, SQL, Spark, GCP). Construction d'indicateurs de performance pour le pilotage d'activité. Développement de modèles de machine learning pour l'optimisation des processus opérationnels. Automatisation du reporting et aide à la décision pour les équipes opérationnelles et la direction.

Mise en place de la gouvernance des données sur infrastructure Cloudera. Développement d'outils de suivi de la qualité des données et de reporting automatisé. Définition des règles d'exploitation des flux de données, standardisation des processus, accompagnement des équipes dans l'adoption des bonnes pratiques. Approche structurée : constater, décider, appliquer, vérifier.

Construction d'une plateforme data pour le pilotage temps réel des installations de production et de distribution d'eau. Intégration de données IoT, SCADA et capteurs terrain. Tableaux de bord reliant production, consommation énergétique et plans de maintenance. Travail quotidien avec les exploitants terrain pour traduire les données en règles d'exploitation concrètes et durables.

Formateur Python et Data auprès de publics en reconversion professionnelle. Conception de programmes pédagogiques, animation d'ateliers pratiques. Transmission de méthodes d'analyse de données appliquées à des cas concrets industriels et métier. Capacité à vulgariser des concepts techniques et à accompagner la montée en compétence sur le terrain.

Développement d'algorithmes de détection d'anomalies sur le parc de compteurs gaz pour anticiper les défaillances terrain. Analyse de séries temporelles de consommation énergétique. Corrélation entre pannes et conditions d'exploitation. Réduction mesurable des interventions non planifiées et amélioration de la fiabilité des installations sur le terrain.

Architecture data Azure pour le pilotage de la performance des installations industrielles de traitement d'eau et de déchets. Développement de modèles ML reliant données capteurs, consommation énergétique et état des équipements. Détection d'anomalies sur les processus de production, optimisation des plans de maintenance préventive, dashboards temps réel pour les exploitants terrain.