Tantelitiana RAKOTOARIJAONA

Data Engineer GCP Client : Veolia North America Mission : Conception, développement et optimisation de plateformes data scalables sur GCP pour une prise de décision orientée données, en collaboration avec les équipes techniques et métiers. Responsabilités clés : ✔ Intégration & Traitement des données : Développement de pipelines de données robustes (API, bases de données, fichiers → BigQuery/GCS) utilisant Dataflow, Pub/Sub et Datastream. Automatisation des processus ELT via Python et dbt pour garantir des modèles de données fiables et performants. ✔ Infrastructure-as-Code (IaC) : Déploiement et gestion des services GCP (Cloud Run, Workstations, IAM) à l'aide de Terraform pour une infrastructure reproductible et sécurisée. ✔ Analytics & Développement Backend : Modélisation de données avec dbt pour répondre aux besoins analytiques métiers. Maintenance et évolution d'APIs (FastAPI). ✔ Orchestration des workflows : Gestion et optimisation des workflows data avec Prefect pour une exécution efficace et fiable. Stack Technique : ▸ Cloud : BigQuery, Dataflow, Cloud Run, GCS, Artifact Registry, IAM ▸ DevOps : Terraform, GitLab CI, Git, Cloud Monitoring ▸ Data : dbt, Python, SQL avancé ▸ Dev : FastAPI, Docker ▸ Méthodes : Agile Scrum (rituels, sprints), Git Flow Contexte international : Collaboration quotidienne en français avec l'équipe en France Échanges réguliers en anglais avec les équipes aux États-Unis

Contenues de la mission: - Développement de Business Views: En tant que data ingénieur chez Axa France, ma mission principale consiste à développer des business views. Cela implique l'utilisation de Python et PySpark pour créer des solutions de traitement de données qui permettent à l'entreprise de mieux comprendre ses données et de les exploiter efficacement. Mon rôle est de transformer des données brutes en informations exploitables en développant des vues techniques et des vues business. - Industrialisation avec CI/CD et Infrastructure as Code: Une autre facette essentielle de ma mission est l'industrialisation. Pour cela, je m'appuie sur des pratiques de CI/CD (Continuous Integration/Continuous Deployment) pour automatiser le déploiement de mes solutions. J'utilise des fichiers YAML pour spécifier l'infrastructure en tant que code (Infrastructure as Code, IaC), ce qui permet de déployer de manière reproductible et efficace l'ensemble de l'infrastructure nécessaire. Le résultat de ce processus est un data pipeline Azure Data Factory. - Data Pipeline avec Azure Data Factory et Databricks: L'élément central de l'industrialisation de mes solutions est le data pipeline. J'utilise Azure Data Factory pour orchestrer et automatiser les tâches de transfert et de transformation des données. Ce pipeline est conçu pour lancer des jobs Spark dans Databricks, une plateforme d'analyse de données basée sur Apache Spark. Ces jobs ont des dépendances entre eux au niveau des traitements, assurant ainsi une exécution séquentielle et fiable des étapes du traitement de données. En résumé, ma mission chez Axa France en tant que data ingénieur se divise en trois parties : le développement de business views en utilisant Python et PySpark, l'industrialisation via CI/CD et l'infrastructure as code, et la création d'un data pipeline avec Azure Data Factory et Databricks pour garantir un traitement efficace et fiable des données.

Consultant en tant que data ingénieur

Prestataire en mission en tant que développeur web chez foncia: Contenues de la mission: 1. Évolution des Applications Comptables et de Gestion Locative : En tant que développeur full-stack MERN, ma mission principale chez Foncia était de faire évoluer les applications de comptabilité et de gestion locative en utilisant MongoDB, Express, React et Node.js. J'ai contribué à améliorer les fonctionnalités essentielles de ces applications. 2. Maintenance et Analyse de Données : J'ai pris en charge la maintenance des systèmes existants, en particulier en effectuant des analyses de données à partir de MongoDB pour identifier et corriger les bugs. Cette analyse proactive a contribué à assurer la stabilité des applications. 3. Interventions Frontend React : J'ai également participé à la partie frontend en React, effectuant des corrections de bugs et mettant en œuvre des évolutions pour améliorer l'expérience utilisateur. Cette polyvalence m'a permis de contribuer de manière holistique au développement des applications. En résumé, ma mission chez Foncia en tant que développeur full-stack MERN a consisté à faire évoluer les applications de comptabilité et de gestion locative, à assurer la maintenance et à effectuer des analyses de données pour résoudre les problèmes. J'ai également travaillé sur le frontend pour améliorer l'interface utilisateur, contribuant ainsi à l'ensemble du cycle de développement des applications.

Prestataire en mission en tant que data ingénieur chez Thales: Contenues de la mission: - Création de Vues Techniques et Business : En tant que data ingénieur chez Thales, j'ai conçu des vues techniques et business en utilisant PySpark, Azure Data Factory et Databricks pour transformer les données brutes en informations exploitables. - Automatisation des Flux de Données : J'ai intégré Azure Data Factory pour automatiser les processus de transfert et de transformation des données, assurant une gestion efficace des données au sein de l'entreprise. - Facilitation de l'Accès aux Données : J'ai développé des procédures SQL pour être utilisées dans des outils tels que Power Apps, rendant les données plus accessibles aux utilisateurs finaux, ce qui a contribué à améliorer la prise de décision au sein de l'organisation Thales.

Recherche et développement sur les méthodes de process-mining pour le parcours client. Technologie: Python, scala Spark

Mission : Analyse les données comportementales clients et leur structure arborescente. Identification des variables les plus discriminantes sur le comportement client. Modélisation statistiques et quantification des impacts sur les performances commerciales. Travaille en lien avec le groupe marketing et activité de vente d’énergie de ENGIE.

Mission : Traitement des chaînes booléennes d’un modèle d’étude. probabiliste de sûreté (EPS) avec les structures de données existantes sur python. Évaluation de la complexité algorithmique d’un modèle EPS via des outils statistiques se trouvant dans le logiciel R. Modularisation des modèles d’EPS.