Alaa Eddine AL TAAMA

Contexte : - Mise en place et gestion de la Data Platform. - Mise en place et pilotage des flux de données (vente, après-vente, CRM, commandes, marketing, navigation, etc.) dans le datalake - Mise en place des règles de Data Quality - Mise en place des règles de gouvernance - Mise en place du monitoring et de la supervision des composants et pipelines - Mise en place de KPIs et dashboards de suivi et d’analyse de données et des flux (Data Quality, Finops, Gouvernance, Monitoring, etc.) - Mise en place des règles de sécurité - Mise en place du Data Catalog Réalisations : Cadrage des Epics et des features Recueil des besoins métier Gestion de produits et priorisation Mise en place de la roadmap et du macro-chiffrage Gestion de projet et d’équipe Rédaction de dossier d’architecture Création et mise à jour des User Stories (US) Spécification fonctionnelle Animation des séances de maturation et raffinement des épics et US Présentation des US Recette fonctionnelle et validation Coordination avec les équipes métiers, gouvernance, sécurité, IA et d’autres équipes. Environnement projet : Jira, Confluence, Miro, Wiki, Amazon Cloud Services (AWS), SQL, Datadog, Athena, Glue, Spark, Glue Data Quality, Glue Data catalog, Power BI, Dataiku, Terraform, Qlik, Gitlab, PostgreSQL, Starburst, SQL. Méthodologies : Kanban, Agile Scrum.

Contexte : • Mise en place et alimentation de comptoir de données finance & risques. • Ingestion, transformation, exposition et migration de données sur Cloud AWS. • Mise en place de scores de calcul de défaut, avec optimisation continue des modèles et de leur performance. • Mise en place de rapport de datavisualisation. Réalisations : • Cadrage des features et des user story (US) • Grooming et raffinement des US • Modélisation des données • Mise en place d’architecture technico-fonctionnelle • Spécification fonctionnelle et rédaction des US sur Jira en respectant la DOR • Réalisation des tests d’acceptance sur XRay • Recette fonctionnelle et validation • Rédaction du PV de recette • Suivi des coûts avec les KPI FinOps. • Rédaction de la documentation sur Neurones • Gestion du backlog et priorisation • Interface entre le métier et les data engineers Environnement projet : Neurones, Jira, Xray, DataLink, Cloud AWS (Glue, S3, Lambda, Athena, Data catalog, Step functions), Pyspark, Python, SQL, Jupyter, Power BI, Kafka, Databricks, Spark streaming, Airflow, Gitlab, Jenkins, terraform. Méthodologies : Agile Safe