Anass Lagraini

Conception et industrialisation de plateformes de données d'entreprise reposant sur une architecture en couches Médaillon (Bronze / Silver / Gold), avec une stack Snowflake, dbt, Apache Airflow et Databricks, au sein de l'équipe Data Analytics. Projet Mobility — Migration de la plateforme data de SAP BW vers Snowflake : • Migration de la plateforme data du domaine Mobility depuis SAP BW vers une architecture cloud moderne Snowflake / dbt / Airflow, en garantissant la continuité du reporting métier. • Analyse des flux et des modèles existants sous SAP BW, puis re-conception des modèles cibles en couches Bronze / Silver / Gold. • Développement des transformations dbt (staging → intermediate → marts) reproduisant et fiabilisant la logique métier héritée de SAP BW. • Orchestration de bout en bout des chargements et transformations via des DAGs Apache Airflow (dépendances, SLA, reprises sur erreur). • Mise en place de tests dbt et de contrôles de réconciliation entre SAP BW et Snowflake pour valider l'équivalence des résultats. Projet Neptune — Ingestion sur datalake et modélisation Snowflake : • Construction d'un pipeline d'ingestion fiable depuis plusieurs bases sources vers le datalake Azure Data Lake Storage Gen2, puis modélisation des données dans Snowflake. • Ingestion vers la couche Bronze sur ADLS Gen2 (extraction incrémentale, change data capture, historisation). • Modélisation des couches Silver (nettoyage, conformité, déduplication) et Gold (tables de faits et de dimensions prêtes au reporting) avec dbt. • Industrialisation et planification du pipeline via Apache Airflow (monitoring, alerting, gestion des dépendances inter-tâches). • Mise en place de la data lineage et de la documentation (dbt docs) pour la traçabilité du datalake jusqu'aux couches de restitution. Projet Tesseract — Suivi de production temps quasi-réel multi-régions : • Collecte des données des sites de production des régions Asie, Amérique, Europe et Afrique toutes les 30 minutes pour le suivi de la production à l'échelle mondiale. • Conception de pipelines d'ingestion incrémentale planifiés toutes les 30 minutes, avec traitement distribué en PySpark sur Databricks. • Implémentation de l'architecture Médaillon sur Databricks : Bronze (données brutes des sites), Silver (harmonisation multi-régions / multi-fuseaux horaires), Gold (indicateurs de production agrégés). • Exposition des données consolidées vers Snowflake et les outils de reporting pour le pilotage de la performance industrielle. • Optimisation des traitements Spark (partitionnement, jobs incrémentaux) pour respecter la fenêtre de rafraîchissement de 30 minutes sur de gros volumes. Technologies : Snowflake, dbt, Apache Airflow, Databricks, PySpark, Azure Data Lake Storage Gen2, SAP BW, Azure, SQL, Python, Azure DevOps, Git.

Projet SPA (Suivi des Performances Aéroportuaires) — Migration de la data plateforme depuis SAP BODS vers une architecture cloud moderne Snowflake / Databricks. • Pilotage de la migration de la plateforme SPA en garantissant une interruption de service minimale et la cohérence des données tout au long de la transition. • Mise en place de l'ingestion et de l'orchestration des flux via Apache Airflow et Azure Data Factory (DAGs, triggers, datasets paramétrés, gestion des dépendances). • Développement et optimisation de modèles de transformation dbt et de workflows Snowflake pour des charges analytiques à grande échelle. • Développement de notebooks Databricks (PySpark) pour les transformations lourdes et le traitement distribué des données issues des systèmes sources. • Implémentation de contrôles qualité, de règles de validation et de tests dbt pour assurer la conformité, l'exactitude et la fiabilité des données. • Conception de pipelines CI/CD pour le déploiement automatisé vers les environnements de recette et de production via Azure DevOps. • Optimisation des requêtes SQL et de la logique de transformation dans Snowflake, et mise en place de monitoring, logging et alerting pour une gestion proactive des incidents. • Documentation de l'architecture, des procédures de déploiement et de la data lineage à des fins opérationnelles et d'audit. Technologies : Snowflake, dbt, Apache Airflow, Databricks, PySpark, Azure (ADF, Synapse, DevOps), SQL, Python, Git.

Projet : mise en place et structuration de la data plateforme autour de Snowflake. • Conception et développement de pipelines de données avec Apache Airflow pour orchestrer et planifier des workflows complexes (DAGs, gestion des dépendances et des reprises sur erreur). • Construction de pipelines ELT chargeant des données depuis AWS S3 vers Snowflake, et structuration de l'entrepôt (schémas, stages, tables, vues). • Mise en place de traitements d'ingestion et de transformation sur AWS (S3, Glue, Lambda, Athena) pour préparer les données analytiques. • Déploiement et gestion d'environnements conteneurisés avec Docker, et automatisation des workflows CI/CD via GitHub Actions. • Développement de scripts Python et d'APIs pour traiter et exposer des services de données aux applications consommatrices. • Intégration des données Salesforce dans l'écosystème analytique et construction de tableaux de bord Power BI pour le suivi des KPI. Technologies : Snowflake, Apache Airflow, AWS (S3, Glue, Lambda, Athena), Docker, Python, GitHub Actions, Power BI.