Achraf El Mouden

Renforcement d'une plateforme analytique Contexte. Mission au sein de la DSI pour renforcer la migration des données de Cloudera vers GCP et optimiser l'architecture des flux de données. Prendre en charge l'ingestion et la transformation des données, de l'architecture initiale jusqu'à la mise en production. Travaux réalisés. • Création et maintenance de pipelines robustes sur GCP, intégrant dbt et Airflow pour des transformations efficaces. • Amélioration de la performance des modèles. • Services GCP : Cloud Storage (lac de données), BigQuery, Cloud Run, Compute Engine, Kubernetes Engine. • Gestion des déploiements cloud : Gestion des ressources avec Terraform et création de macros avancées (jinja) pour améliorer les traitements. • Documentation et partage : Standardisation des processus, documentation des pratiques, et partage des connaissances avec les équipes. • Mise en œuvre de tests unitaires et suivi en production, garantissant une qualité des données continue. Environnement technique. • dbt, GCP (BigQuery, Cloud Storage, Cloud Run) , Apache Airflow • Github actions (versioning & CI/CD), Jenkins • Fivetran

Mise en place d'une infrastructure de données Contexte. Mise en place d'une infrastructure de données centralisée et performante, réduisant le temps de traitement et permettant une analyse efficace des données client à l'échelle mondiale. Migration des systèmes de reporting client vers le cloud (GCP). Travaux réalisés. • Conception de pipelines ETL pour l’intégration de données multi-sources (SQL Server, Salesforce) dans un entrepôt centralisé. • Optimisation des processus, améliorant les délais de traitement des données analytiques. • Modèles de données : standardisation et transformation des données avec Dataiku pour les plateformes de reporting. • Optimisation SQL : amélioration des requêtes pour des rapports en semi-temps réel dans BigQuery et gestion du fuseau horaire. • Services GCP : Cloud Storage (lac de données), BigQuery (entrepôt de données). • Création de dashboards interactifs sur Power BI, améliorant la navigation et l’accessibilité des données pour les équipes métiers. • Analyse des données : utilisation de Python (Pandas, NumPy) sur Jupyter Notebook pour analyser les données. • Formation et documentation : Formation des utilisateurs finaux et création de documentation complète incluant glossaires et guides d'utilisation. Environnement technique. • BigQuery, GCP, Dataiku, SQL Server, Jupyter Notebook • Power BI, Qlick Sense , IBM Cognos • Salesforce Inspector