ANAS ED-DBALI

– Conception et mise en œuvre de pipelines d'ingestion de données : – Développement de solutions d'ingestion, standardisation et stockage des données cliniques pour la recherche médicale. – Mise en place d'outils de pseudonymisation de données sensibles pour les données exportées. – Environnement technique: Python, PySpark, Scala Spark, Hadoop, Hive, Impala, PostgreSQL.

– Conception et mise en œuvre de pipelines d'ingestion de données : – Développement de solutions d'ingestion pour les données de paiement et de transaction issues des terminaux Worldline, garantissant l'intégrité et la sécurité des données dans un datalake on-premise. – Développement de traitements pour l'acquisition de données : – Implémentation de processus d'acquisition de données en batch et en streaming, optimisant la collecte, le traitement et la disponibilité des données pour l'analyse et la prise de décision en temps réel. – Migration de la plateforme de données vers le cloud : – Pilotage de la migration technique de la plateforme de données on-premise vers Microsoft Azure, en assurant une transition fluide et sans interruption de service. – Environnement technique : Microsoft Azure, Databricks, PySpark, Python, Scala Spark, Hadoop Cloudera, Kafka, Hive, Impala, Elasticsearch, GIT, SpringBoot.

– Conception et déploiement de pipelines d'ingestion de données de marché : – Mise en place de pipelines avancés pour l'ingestion de market data au sein d'un datalake Hadoop, dans le cadre du programme Market Risk, visant à optimiser la gestion et l'analyse des données financières. – Développement de processus de calcul du PnL et d'indicateurs de risques : – Implémentation de traitements en batch et en streaming pour le calcul du Profit and Loss (PnL) et des indicateurs de risques de marché (HVAR, SVAR), contribuant à une meilleure évaluation et gestion des risques financiers. – Étude comparative sur les formats de stockage HDFS: – Analyse approfondie des performances des différents formats de stockage (Parquet, AVRO, ORC) sur HDFS, fournissant des recommandations clés pour optimiser l'efficacité du stockage et l'accès aux données. – Environnement fonctionnel: Finance de marché. – Environnement technique: Java, Spark, Hadoop Cloudera, Kafka, Hive, HBase, Zeppelin, le protocole FIX, ELK, gRPC, GIT, Jenkins, Sonar, Nexus, et Cucumber.

– Gestion des déclarations réglementaires : – Implémentation de processus batch dédiés à la déclaration quotidienne des contrats d'assurance vie à la Direction Générale des Finances Publiques (DGFIP). – Migration de base de données vers Hadoop : Conduite de la migration d'une base de données PostgreSQL vers un datalake Hadoop, optimisant ainsi la gestion, le stockage et l'analyse des données à grande échelle. – Configuration et administration du cluster Hadoop : Responsable de la configuration du cluster Hadoop et de l'administration des services nécessaires à son bon fonctionnement, garantissant la haute disponibilité, la sécurité et l'efficience du système de données. – Environnement fonctionnel: Assurance et Protection Sociale. – Environnement technique: Java, scripting shell, Apache Spark, Hadoop, Hive, Sqoop, GIT.