Contexte
Un environnement de données réglementaires nécessitait une validation de bout en bout des données structurées et non structurées après les évolutions ETL.
Automatisation · Qualité des données
Un framework Python de validation qui a remplacé un cycle de test manuel de plusieurs jours par un workflow automatisé et traçable.
Impact principal
3 jours → 3 mintemps de validation des tests
Contexte & enjeu
Contexte
Un environnement de données réglementaires nécessitait une validation de bout en bout des données structurées et non structurées après les évolutions ETL.
Enjeu
L'exécution, la comparaison et le reporting manuels rendaient la validation lente, difficile à reproduire et sensible aux erreurs humaines.
Solution
Conception d'un framework Python orchestrant les jobs ETL, comparant les résultats, enregistrant les écarts et générant un reporting de validation traçable.
Ma contribution
Résultats
Parlons de vos besoins
Parlez-moi de votre idée, du système à améliorer ou du renfort dont votre équipe a besoin. Je vous aide à définir un périmètre clair, même sans cahier des charges.