Dans une entreprise qui fabrique des pipelines pour ses clients, les chiffres d'achat sortis d'un tableur collé à la main ne passent pas. L'analyste assemble les exports de comptabilité, les factures d'hébergement, les commandes et les contrats dans l'entrepôt, avec des transformations écrites dans dbt et orchestrées par Airflow, et des règles de périmètre déclarées. Chaque table publiée porte sa date d'extraction, sa source et ses limites, comme on l'exige d'un jeu de données livré à un client.

Ce qu'il fait chaque jour chez vous

Écrire les clés de rapprochement entre sourcesIl définit comment rapprocher une ligne de facture d'hébergement, une commande et un projet (identifiant de compte, étiquette, numéro de commande) et documente les cas où aucune clé n'existe.
Orchestrer les extractions régulièresIl planifie les extractions des factures et de la comptabilité dans Airflow, avec une alerte quand une source n'a pas livré, plutôt qu'un tableau qui se fige sans prévenir.
Tester la qualité à chaque chargementIl ajoute des contrôles sur les doublons de factures, les montants négatifs inattendus et les fournisseurs sans famille, et refuse de publier une table qui échoue.
Protéger les données nominatives des achatsIl applique une pseudonymisation aux noms des freelances et des demandeurs dans les tables partagées, et garde la correspondance dans un espace à accès restreint.
Documenter chaque table comme un livrableIl rédige pour chaque table son origine, sa période, ses règles et ses usages déconseillés, avec le même soin qu'un jeu de données d'entraînement remis à un client.
Surveiller le modèle de classement automatiqueSi les factures sont classées par un modèle, il compare chaque mois son classement à un échantillon contrôlé à la main et signale la dérive du modèle quand de nouveaux fournisseurs apparaissent.

Sur le terrain

Deux tableaux, deux totaux

Le contrôle de gestion et les achats présentent deux totaux différents pour la dépense de calcul du trimestre. L'analyste reprend les deux requêtes : l'une compte les factures à leur date d'émission, l'autre à la période de consommation. Il écrit la règle de périmètre retenue, la documente dans le projet dbt et publie une seule table de référence, avec l'écart expliqué.

Un classement automatique qui se trompait

Un petit modèle classe les factures entrantes par famille. L'analyste contrôle un échantillon de cent factures et trouve que les prestataires d'annotation récemment référencés sont presque tous rangés en conseil. Il signale le problème, corrige les cas à la main dans la table et propose de réentraîner le classement avec des exemples récents.

Les mots qu'il emploie chaque jour

Jeu de données d'entraînement: Les données qui servent à fabriquer le modèle : leur origine et leurs droits conditionnent tout ce qu'on pourra en faire.
Dérive du modèle: La perte de performance quand la réalité s'écarte des données d'entraînement : elle se surveille, sinon elle se découvre par une plainte.
Pseudonymisation: Elle remplace les identifiants mais laisse des données personnelles ; seule une anonymisation véritable est irréversible.

Son métier de départ : Analyste données achats. Toute l'activité : Données et intelligence artificielle.