Migration Snowflake et refonte architecture

Contexte

Mutuelle santé avec des déploiements data réalisés manuellement toutes les 6 semaines. Le processus implique un data engineer qui se connecte au serveur de production, exécute les scripts SQL et vérifie visuellement les résultats. Chaque déploiement prend une demi-journée et est à risque : 1 déploiement sur 4 cause un incident nécessitant un rollback manuel. Le dirigeant veut des résultats mesurables, pas une phase de discovery sans fin.

Problème & Défi

Déploiements manuels toutes les 6 semaines : cycle de release trop long pour les besoins métier. 25% des déploiements causent un incident : rollback manuel de 2-4 heures. Aucun test automatisé : les erreurs sont découvertes en production. Aucun environnement de staging : le data engineer teste directement en production. Dépendance à un seul data engineer pour les déploiements : risque de personne clé.

Solution & Livrables

Pipeline CI/CD data complet : build, test, deploy automatisés de bout en bout. Tests automatisés à 3 niveaux : unitaires (SQL), intégration (pipeline complet), qualité data (assertions). Environnements éphémères de staging créés automatiquement pour chaque branche de développement. Déploiement continu : de la pull request à la production en 2 heures avec rollback automatique. Monitoring post-déploiement : vérification automatique des données après chaque release. Opéré dans la durée avec SLA contractuels.

Technologies