Consultants Big Data & BI à Paris (classement 2026)

Eurelis accompagne CITEO dans la conception, le développement et l’industrialisation d’une application métier de gestion centralisée des données de tri et de collecte, destinée à structurer, enrichir et exposer des informations essentielles pour les utilisateurs finaux via des services digitaux fiables et cohérents.CITEO est un éco-organisme français chargé d’accompagner les acteurs publics et privés dans la gestion des déchets et la performance des gestes citoyens liés au tri.Contexte du projet :Dans le cadre de ses missions pédagogiques et d’information des citoyens sur le tri, CITEO a souhaité structurer les consignes de tri et les données de collecte afin qu’elles puissent alimenter de manière homogène un ensemble de dispositifs numériques, notamment le portail “Trier c’est Donner” et l’application mobile “Guide du tri”.Objectifs du projet :Concevoir une application métier centralisée de structuration de données.Permettre une gestion unifiée des points de collecte (bornes, déchèteries) pour 35 000 communes françaises.Structurer et maintenir une base produit et emballage riche (plus de 34 000 produits).Alimenter des services digitaux externes via une API robuste et homogène.Défis techniques et organisationnels :Structurer des jeux de données hétérogènes et volumineux, provenant de sources open data et de plateformes spécialisées.Concevoir un back-office intuitif et sécurisé pour différents types d’utilisateurs (intervenants CITEO et représentants des collectivités).Garantir la cohérence et la qualité des données exposées à grande échelle.Approche de co-conception :Eurelis a conduit la démarche en collaboration étroite avec les équipes métiers et techniques de CITEO :Analyse des besoins métiers et des sources de données.Conception d’un modèle de données unifié et d’une architecture cadrée API-first.Développement d’un back-office adapté pour la structuration, l’enrichissement et la supervision des données.Mise en place de l’API exposant les données pour les services externes.Solution technique et expertises mobilisées :La solution s’appuie sur une architecture moderne et scalable, intégrant :Back-office métier développé sur Symfony, structurant les données de collecte et de tri.API REST pour exposer et synchroniser les données vers les dispositifs frontaux.Base de données et intégrations Open Data publiques et privées pour enrichir les données métiers.Technologies front & back incluant Angular, Elasticsearch, PHP et JavaScript.Méthodes agiles et expertise en gestion de la donnée structurée.Résultats et bénéfices :Un back-office robuste utilisé par plus de 1 000 utilisateurs impliqués dans la mise à jour des données locales.Une API centralisée alimentant des applications digitales grand public (mobile et web).Une qualité de données homogène et fiable, essentielle pour une information du tri efficace.Une contribution active à la mission de sensibilisation au tri grâce à des dispositifs numériques performants.

Grâce à une transformation technique en profondeur, Agoterra bénéficie désormais d’un back-end solide, automatisé et évolutif. Cette infrastructure, invisible mais vitale, permet de valoriser chaque projet agroécologique en garantissant des données plus fiables, plus lisibles et plus faciles à exploiter. ContexteLa plateforme Bubble d’Agoterra joue un rôle clé en connectant les investisseurs et les exploitations agricoles. Cependant, face à l’augmentation de l’activité, le système atteignait ses limites : Infrastructure insuffisamment scalable Prolifération des intégrations semi-manuelles Granularité limitée des données projets (absence de vue détaillée par culture ou exploitation) Difficultés de fiabilisation et de maintenance Ces contraintes ralentissaient l’équipe, nuisaient à la qualité du reporting et limitaient l’amélioration de l’expérience pour les investisseurs. Solution apportéeAgoterra a fait appel à Hyperstack afin de lever ces obstacles techniques. Après un audit approfondi, nous avons recommandé une refonte complète de l’architecture back-end, misant sur une stack moderne, centralisée et évolutive. Architecture centralisée sur Xano, connectée à l’interface WeWeb Automatisation des flux de données via DBT et BigQuery, facilitant l’intégration des données partenaires sans intervention manuelle Socle technique fiable, structuré et évolutif pour accompagner la croissance future En conclusion, sans modifier l’interface, Agoterra bénéficie désormais d’une plus grande clarté, d’une fiabilité renforcée et, surtout, d’une excellente capacité d’évolution.

One Learn forme des professionnels autour de l’architecture et du design, avec une activité en forte croissance.Pour mieux piloter leurs performances commerciales, leurs investissements marketing et les coûts d’acquisition, One Learn souhaitait remplacer des analyses éclatées par un reporting unifié, fiable et automatisé.Grâce à la mise en place d’une architecture data moderne, l’entreprise bénéficie désormais d’une vision consolidée de l’ensemble de son funnel : CRM, dépenses SEA et performance SEO.Solution HyperstackContexteOne Learn s’appuyait principalement sur Pipedrive pour gérer ses leads et ses opportunités.Le CRM constituait la source centrale, mais plusieurs limites freinaient l’analyse :Des données dispersées entre Pipedrive, Google Ads et Google Search ConsoleAucune vision consolidée du funnel d’acquisitionDifficulté à sectoriser les différents types de deals (organique, SEO, emailing…)Impossible de calculer précisément les coûts d’acquisition (CPA)Reporting manuel, chronophage, dépendant d’extractions ponctuellesLes équipes marketing et sales manquaient ainsi d’un dashboard global permettant de suivre les performances, les coûts, les revenus et le ROI de manière unifiée.Solution apportéeHyperstack a construit une Modern Data Stack complète permettant de centraliser, transformer et visualiser l’ensemble des données commerciales et marketing de One Learn.Extraction automatisée des donnéesToutes les sources ont été connectées via Fivetran :Pipedrive (données CRM et pipelines)Google Ads (dépenses SEA)Google Search Console (performance SEO)Centralisation dans BigQueryLes données issues des trois sources sont entreposées dans un data warehouse unique et fiable.Transformation et harmonisationLes pipelines de transformation unifient les tables CRM, SEA et SEO afin de :sectoriser les deals selon leur origine (organique, SEO, emailings, pipelines internes),calculer les leads, deals gagnés, chiffre d’affaires,intégrer les coûts et déterminer le coût par lead,fournir les métriques nécessaires au calcul du ROI.Dashboard unifié sur Data StudioToutes les données sont visualisées dans un tableau de bord unique consolidant :CRM (Pipedrive)SEA (Google Ads)SEO (Search Console)One Learn dispose désormais d’une plateforme d’analyse robuste permettant une prise de décision éclairée sur l’ensemble de son acquisition.RésultatsVision centralisée des performances CRM, SEA et SEOSectorisation claire des types de deals (organique, SEO, email, formations)Calcul complet des coûts, notamment le coût par leadUn ROI unifié, intégrant revenus, dépenses et performance SEOFin des extractions manuelles, grâce à une automatisation totale du flux (Fivetran → BigQuery → Dashboard)Un socle évolutif pour de futurs cas d’usage : attribution avancée, scoring, prédiction des conversions

Comment Values Media a divisé par 3 son temps de reporting ? Autrefois, chaque nouveau client impliquait de longues heures passées à connecter manuellement des Sheets, à croiser diverses sources et à gérer des tableaux de bord peu fiables. Désormais, Values Media gère toutes ses opérations à partir d’une architecture centralisée, ce qui lui permet de gagner un temps considérable lors de la gestion de chaque campagne de communication pour ses clients. Contexte Auparavant, l’arrivée d’un nouveau client chez Values Media lançait un processus laborieux : il fallait extraire les données via Supermetrics, connecter manuellement des Google Sheets, croiser les informations, maintenir les connexions, naviguer entre différents fichiers pour ensuite finaliser le tout dans Looker Studio avec quelques ajustements. Ce mode de fonctionnement entraînait des onboardings lents, une visibilité partielle sur les campagnes et mobilisait les équipes sur des tâches accessoires au détriment du pilotage de la performance. Solution apportée Leur nouvelle infrastructure data a tout changé. La centralisation des données dans Big Query, combinée à l’ajout d’informations clients grâce à Airtable, leur permet de tout regrouper facilement. Les dashboards sont simples à mettre en place et le reporting s’est transformé en un véritable atout stratégique, et non plus en une contrainte. Résultats Ajout en toute autonomie de trois nouvelles dimensions d’analyse : suivi du budget global des campagnes, des objectifs et des différents leviers Fonctionnalités développées Extraction automatique des données Stockage centralisé au même endroit Mise à jour automatique des dashboards