Alexandre Guillemine

Pluxee est un acteur mondial des avantages aux salariés (ex-activité de Sodexo), coté en bourse, avec plus de 6 000 collaborateurs. Suite au rachat de Glady par Pluxee, j'ai rejoint l'équipe Data pour piloter la migration de la stack data AWS de Glady vers la stack data Azure de Pluxee. J'ai effectué les tâches suivantes : - Pilotage de la migration de la stack data AWS de Glady vers la stack Azure de Pluxee - Industrialisation de plus de 100 pipelines d'ingestion de sources de données variées (PostgreSQL, DynamoDB, Salesforce, webhooks) - Co-pilotage de la refonte des modèles de données de Glady avec plus de 15 data engineers et data analysts - Gestion et anonymisation des données sensibles Voici les principaux résultats obtenus : - Migration complète du tableau de bord le plus utilisé (plus de 100 utilisateurs, 30 % des usages) et de toute sa chaîne data en un an - 2 000 € d'économies mensuelles sur les coûts cloud grâce au décommissionnement de la charge analytique sur la stack AWS Lien : pluxeegroup.com Contexte technique : AWS, Airflow, DBT, Python, SQL, DynamoDB, Redshift, Azure, Synapse, ADF, Spark

Octopus Energy est un fournisseur d'énergie verte britannique en forte croissance, avec plus de 3 000 collaborateurs dans le monde. J'ai rejoint l'équipe data française (10 personnes) en remplacement du Senior Data Engineer afin d'assurer la continuité des activités. J'ai effectué les tâches suivantes : - Maintenance et supervision des pipelines de production afin de garantir la fiabilité et la disponibilité des données - Intégration de sources de données avec AWS DMS et Airflow - Création d'un jeu de données géospatiales alimentant un outil de prospection commerciale terrain pour les équipes de vente - Déploiement de Metabase Pro afin de faciliter l'accès aux données et le reporting pour les équipes métiers Durant cette mission, la continuité de service a été assurée sans interruption, un projet stratégique d'ingénierie de données en masse a été mené à bien et la passation a été faite proprement en fin de mission (recommandation du Head of Data disponible sur mon profil LinkedIn). Lien : octopusenergy.fr Contexte technique : Python, SQL, Databricks, Terraform, DBT, Spacelift, AWS S3, AWS RDS, AWS DMS, Airflow

Fondée en 2016, LeHibou est une plateforme de mise en relation entre entreprises et consultants IT freelance. Lauréate du French Tech 120, l'entreprise a atteint un chiffre d'affaires de 82 M€ en 2023 avec plus de 80 000 freelances inscrits. Recruté de nouveau par le CTO après une première mission réussie, j'ai contribué à la définition de la stratégie data de l'entreprise. J'ai effectué les tâches suivantes : - Audit de la stack data existante et des processus data, de l'ingestion au reporting - Conduite d'entretiens avec les parties prenantes métier afin d'aligner la roadmap data sur les objectifs stratégiques - Livraison d'une roadmap claire avec des initiatives data priorisées et des recommandations de recrutement pour faire évoluer l'équipe data Lien : www.lehibou.com Contexte technique : AWS DMS, PostgreSQL, Terraform, DBT, SQL, AWS RDS

Doctolib est le leader européen de la santé numérique, avec plus de 300 000 professionnels de santé et 70 millions d’utilisateurs mensuels. Fondée en 2013, cette scale-up a levé +500 M€ pour soutenir son expansion. Suite au rachat de Siilo par Doctolib, j’ai rejoint l’équipe Data Engineering composé de 4 data engineers et d'un product manager pour piloter la migration des données de Siilo et fournir des KPIs stratégiques à la direction. J’ai effectué les tâches suivantes : - Planification de la migration afin de fournir les KPIs demandés par la direction - Audit de la stack data de Siilo : sources de données, pipelines et dashboards de Siilo - Développement d’un pipeline sécurisé pour intégrer la base MySQL de Siilo dans Redshift, avec pseudonymisation des données - Planification de la migration du système de tracking d'événements de Siilo - Design des modèles de données avec les équipes analytiques Voici les principaux résultats obtenus; - Migration réussie de la base MySQL en 4 mois, dans un environnement sécurisé - Migration du système de tracking d'évènements planifié et délégué - Livraison des schémas de modèles des données - Projet maintenant en bonne voie, avec 80 % des KPIs en cours de livraison Lien : doctolib.fr Contexte technique : DBT, Airflow, Redshift, Terraform, Python, SQL, AWS Glue, AWS Athena, AWS S3 Recommandation de mon client chez Doctolib disponible sur mon profil linkedin.

Fondée en 2015, Foodles est le leader de la restauration d’entreprise connectée. Avec 700 frigos connectés installés chez 500 clients, un chiffre d’affaires de 50 M€ en 2023, et 50 M€ levés depuis sa création, elle emploie 250 collaborateurs. J’ai rejoint l’équipe Data de Foodles composée d'un data engineer, de deux data analysts et de deux data scientists pour piloter la migration vers une data stack moderne, afin d’améliorer l’accessibilité des données pour 130 utilisateurs métiers. J’ai effectué les tâches suivantes : - Migration vers une data stack moderne ( snowflake, dbt, fivetran dagster ). - Mise en place d'un Data Warehouse (DWH) moderne (Snowflake). - Refonte complète des modèles de données. - Maintenance de l’infrastructure existante tout en construisant la nouvelle. - Gestion d’une migration complexe impliquant plus de 300 modèles de données, une dizaine de sources de données et un pipeline critique pour l'entreprise. Durant ma mission, les mises à jour journalières du data warehouse sont passées de 5 heures à 50 minutes, avec des requêtes allant jusqu’à 20 fois plus vite pour un coût total passant de 2 000 $ à 2 500 $/mois. Cette migration a permis de supprimer les pannes, les ralentissements et d’améliorer la productivité de l’équipe data et de tous les utilisateurs métiers. Lien : www.foodles.co Contexte technique : Snowflake, AWS S3, Python, DBT, SQL, PostgreSQL, Dagster, Fivetran, AWS Lambda, Terraform Recommandation du CTO de Foodles disponible sur mon profil linkedin.

Fondée il y a plus de 35 ans, EXFO est un leader mondial des solutions de test, de monitoring et d'analyse des réseaux de télécommunications. Ses solutions sont utilisées par 95 % des fournisseurs de services de télécommunication dans le monde et supportent des technologies critiques comme la 5G et la fibre optique. EXFO emploie 1700 salariés dans 25 pays et réalise un chiffre d'affaires de 287 millions d’euros. J’ai rejoint le département R&D composé de data engineers, de devops et de product owners pour faire évoluer et tester la solution d’ingestion Big Data. J’ai effectué les tâches suivantes : - Migration de la solutions d'ingestion Big Data d’Hadoop vers Kubernetes avec création d’images Docker et d’Helm charts - Automatisation des tests de la solution d'ingestion à l’aide de Robot Framework, Python, Ansible, et Jenkins - Installation et tests de la solution d'ingestion dans divers environnements : Cloudera, Hortonworks, Kubernetes et AWS - Réalisation de tests de performance sur Elasticsearch et Kafka. Débit de 1,2 million d’enregistrements par seconde Durant cette mission, nous avons migré avec succès la solution d’ingestion Big Data (Kafka, Spark, REST API, Elasticsearch) vers Kubernetes. Celle-ci a été déployée chez un opérateur britannique. Les tests de performance ont validé la fiabilité de la solution face à une haute volumétrie et permis d’établir des règles de dimensionnement pour les installations futures. Contexte technique : Python, Java, Spark, Elasticsearch, Kafka, Kubernetes, SQL, Hadoop, Docker Lien : exfo.com Compétences: Python, Java, Spark, Elasticsearch, Kafka, Kubernetes, SQL, Hadoop

Fondée en 2016, LeHibou est une plateforme de mise en relation entre entreprises et consultants IT freelance. Lauréate du French Tech 120, l’entreprise a atteint un chiffre d’affaires de 82 M€ en 2023 avec plus de 80 000 freelances inscrits et 700 missions démarrées chaque année En collaboration avec le CTO et un data analyst, j’ai rejoint Le Hibou, pour mettre en place un data warehouse centralisé afin de faciliter l’analyse et la prise de décision. J’ai effectué les tâches suivantes : - Conception et mise en œuvre d’un DWH sur AWS RDS - Configuration de 10 tâches AWS DMS pour répliquer en temps réel les bases de données opérationnelles vers le DWH - Automatisation complète du déploiement avec Terraform - Rédaction d’une documentation exhaustive pour assurer la maintenabilité Durant cette mission, j’ai mis en place un data warehouse consolidant toutes les données de l’entreprise. Les données des bases opérationnelles ont été répliquées en temps réel dans le data warehouse ce qui a rendu possible l’analyse et l’exploitation des différentes sources de données. Lien : www.lehibou.com Contexte technique : AWS DMS, PostgreSQL, Terraform, DBT, SQL, AWS RDS Recommandation du CTO du Hibou disponible sur mon profil linkedin.

Fondée il y a plus de 35 ans, EXFO est un leader mondial des solutions de test, de monitoring et d'analyse des réseaux de télécommunications. Ses solutions sont utilisées par 95 % des fournisseurs de services de télécommunication dans le monde et supportent des technologies critiques comme la 5G et la fibre optique. EXFO emploie 1700 salariés dans 25 pays et réalise un chiffre d'affaires de 287 millions d’euros. J’ai rejoint le département R&D composé de data engineers, de devops et de product owners pour faire évoluer et tester la solution d’ingestion Big Data. J’ai effectué les tâches suivantes : - Migration de la solutions d'ingestion Big Data d’Hadoop vers Kubernetes avec création d’images Docker et d’Helm charts - Automatisation des tests de la solution d'ingestion à l’aide de Robot Framework, Python, Ansible, et Jenkins - Installation et tests de la solution d'ingestion dans divers environnements : Cloudera, Hortonworks, Kubernetes et AWS - Réalisation de tests de performance sur Elasticsearch et Kafka. Débit de 1,2 million d’enregistrements par seconde Durant cette mission, nous avons migré avec succès la solution d’ingestion Big Data (Kafka, Spark, REST API, Elasticsearch) vers Kubernetes. Celle-ci a été déployée chez un opérateur britannique. Les tests de performance ont validé la fiabilité de la solution face à une haute volumétrie et permis d’établir des règles de dimensionnement pour les installations futures. Contexte technique : Python, Java, Spark, Elasticsearch, Kafka, Kubernetes, SQL, Hadoop, Docker Lien : exfo.com Compétences: Python, Java, Spark, Elasticsearch, Kafka, Kubernetes, SQL, Hadoop