
Case study · Safran Aircraft Engines · 2026Étude de cas · Safran Aircraft Engines · 2026
From a raw daily export to one trusted Power BI fileD'un export brut quotidien à un fichier Power BI fiable
I built the medallion pipeline that cleans and consolidates the tickets of an engine-parts team every day. The team now refreshes Power BI instead of fixing spreadsheets.
J'ai construit le pipeline en médaillons qui nettoie et consolide chaque jour les tickets d'une équipe pièces moteur. L'équipe actualise maintenant Power BI au lieu de corriger des tableurs.
- 76columns in the raw exportcolonnes dans l'export brut
- ~300new tickets a weeknouveaux tickets par semaine
- 3layers: Bronze, Silver, Goldcouches : Bronze, Silver, Gold
- 1file to load in Power BIfichier à charger dans Power BI
The challengeLe défi
The ticketing tool lacked useful fields and any data governance. The daily export changed separators, repeated open tickets from one day to the next and mixed several values in one column. Every report started with manual cleaning, and nobody could say which version of the data a chart came from.
L'outil de tickets manquait de champs utiles et de gouvernance des données. L'export quotidien changeait de séparateur, répétait les tickets ouverts d'un jour à l'autre et mélangeait plusieurs valeurs dans une même colonne. Chaque rapport commençait par un nettoyage à la main, et personne ne pouvait dire de quelle version des données venait un graphique.
What I builtCe que j'ai construit
A Python pipeline with one entry point. Bronze keeps a timestamped copy of each raw file and never touches it. Silver cleans dates, splits composite columns and adds the clean columns next to the originals, then joins three reference files. Gold keeps the useful columns, merges with the previous Gold to follow each ticket's life, deduplicates on the ticket number, saves a backup before every merge and exports CSV and Parquet, plus an events file for Power BI. All rules live in YAML files, every run writes its own log, and the team launches it with a double click.
Un pipeline Python avec un seul point d'entrée. Bronze garde une copie horodatée de chaque fichier brut et n'y touche jamais. Silver nettoie les dates, découpe les colonnes composites et ajoute les colonnes propres à côté des originales, puis fait les jointures avec trois fichiers de référence. Gold garde les colonnes utiles, fusionne avec le Gold précédent pour suivre la vie de chaque ticket, dédoublonne sur le numéro de ticket, sauvegarde avant chaque fusion et exporte en CSV et Parquet, plus un fichier d'événements pour Power BI. Toutes les règles vivent dans des fichiers YAML, chaque exécution écrit son journal, et l'équipe le lance d'un double clic.
The resultLe résultat
One file to load and one Refresh button in Power BI. The team changes a business rule itself, for example who coordinates a supplier, by editing a small CSV in Excel, with a guide written for non-technical users.
Un seul fichier à charger et un seul bouton Actualiser dans Power BI. L'équipe change elle-même une règle métier, par exemple qui coordonne un fournisseur, en modifiant un petit CSV dans Excel, avec un guide écrit pour des non-techniciens.
What I take awayCe que j'en retiens
Never deleting a column before the last layer made every number traceable back to the raw export, and that is what made the team trust the dashboard.
Ne jamais supprimer une colonne avant la dernière couche a rendu chaque chiffre traçable jusqu'à l'export brut, et c'est ce qui a donné confiance à l'équipe dans le tableau de bord.