Head of Data.Salariat

La capacité de l’équipe data devait passer à l’échelle sur les opérations africaines pour soutenir les besoins opérationnels et BI croissants, nécessitant le recrutement de 2 postes seniors aux côtés d’un Data Engineer en charge des pipelines et de la plateforme.

Rédigé les scopes de poste, les exigences techniques et les business cases justifiant les recrutements seniors auprès du leadership. Conçu et conduit les entretiens techniques et les évaluations, évalué 50+ candidats, négocié les offres de bout en bout, et coordonné l’onboarding pour 12 recrutements au total avec accès aux outils, intégration équipe et jalons 30/60/90 jours.

L’équipe data avait besoin d’une référence curée de cas d’usage éprouvés pour prioriser ses roadmaps, en s’inspirant de la manière dont Gojek, Grab et Uber opèrent à grande échelle, adaptée aux marchés sub-sahariens de Gozem.

Catalogué plus de 100 cas d’usage couvrant la prévision de demande, le scoring chauffeurs, la détection de fraude, le surge pricing et l’optimisation d’itinéraire. Sélectionné les 15 prioritaires et adapté chacun aux réalités Gozem (faisabilité, disponibilité de la donnée, applicabilité). Défini les métriques de succès, les défis techniques, les besoins d’infrastructure et l’impact business estimé, le tout structuré comme une référence vivante pour les équipes data et produit.

Gozem Money (vertical fintech) avait besoin d’un monitoring fraude temps réel, d’un data warehouse fintech et d’une couche reporting pour soutenir les opérations de paiement mobile et les besoins réglementaires sur les marchés africains.

Conçu et supervisé le déploiement d’un pipeline de traitement par micro-batch surveillant les patterns anormaux, signaux de fraude et dépassements de seuil. Le système remonte ~150 incidents par mois et a signalé une fraude majeure de plus de 20M CFA. Construit le data warehouse fintech pour les opérations Togo, alimenté par des pipelines ETL/ELT et des modèles de données, comme couche fondation pour l’analytique financière, les soumissions réglementaires et les dashboards stakeholders (volumes de transactions, adoption produit, revenus, cohortes). Établi les pipelines de qualité et documenté les modèles, le glossaire de reporting et les définitions de métriques.

Les utilisateurs non techniques (opérations, finance, produit, support client) dépendaient de l’équipe data centrale pour le reporting routinier et les requêtes ad hoc, créant un goulot d’étranglement.

Évalué les niveaux de littératie data et les besoins d’exploration sur tous les marchés Gozem. Coordonné la configuration d’une couche de requête et d’exploration no-code (Metabase) intégrée au data warehouse central. L’adoption a atteint 12+ managers actifs, réduisant de moitié le volume de requêtes routinières sur l’équipe data centrale.

Le positionnement des agents livreurs sur les zones à forte demande n’était pas géré, et les paiements d’incentives nécessitaient une intervention manuelle de la finance ainsi qu’une charge importante du support client pour résoudre les litiges.

Modélisé la demande par zone, créneau horaire et type d’événement pour identifier les zones sous-desservies. Conçu un cadre de performance (taux d’acceptation, complétion, présence en zone, qualité) et l’automatisation paiement de bout en bout, du calcul à l’instruction de décaissement. Construit une base de justifications avec des données pré-calculées permettant au support de résoudre les cas en moins de 24h. Réduit de près de moitié le volume de tickets liés aux incentives grâce à l’automatisation préventive des paiements.