Angelo Maarouf

Chez Ayming, un calcul de conformité demandait environ 24 heures sous Excel et VBA pour une seule restitution par mois. En gardant les règles de gestion, je l'ai reconstruit sous SnapLogic avec une restitution sous Apache Superset : il tourne aujourd'hui chaque jour en 2 à 5 minutes et a été étendu aux autres clients. J'étais aussi responsable des flux de plus de dix grands comptes (distribution, énergie, banque). Leurs imports se faisaient à la main chaque semaine ; après avoir repris un pipeline SnapLogic, je les ai automatisés, en révisant les règles avec le métier et en comparant les résultats avec les utilisateurs avant la mise en production. Cette base a ensuite facilité l'arrivée de chaque nouveau client. Référent Data de mon périmètre et premier appelé sur les anomalies, je remontais à la cause en SQL et Python, corrigeais et validais en production, en tranchant avec les développeurs sur le technique et avec le métier sur le fonctionnel. Stack : Python · SQL · PySpark · SnapLogic · Apache Superset · Databricks · Azure DevOps · ETL/ELT · SFTP · AWS · Data Quality

À l'URSSAF, aucun dispositif de gouvernance n'existait alors que les données couvraient tout le pays. Avec les métiers et les équipes projet de la DSI, nous avons posé les premières bases : règles de qualité, dictionnaire de données, lignage et suivi des anomalies. J'ai automatisé en PySpark, sur Hadoop et Hive, l'import et le recalcul des indicateurs, et les KPI et démonstrateurs présentés à la direction ont permis d'engager le choix de l'outillage. Data Analyst transverse, sollicité par les projets de l'ensemble de l'URSSAF, j'ai aussi conçu des KPI sur certains d'entre eux. De ma propre initiative, j'ai créé un scoring de qualité, d'abord sur les adresses e-mail, puis étendu à d'autres données exposées à la fraude, comme l'IBAN, pour repérer les valeurs douteuses. Intégré au dispositif, il s'applique aujourd'hui à tous les projets. Stack : PySpark · Hadoop · Hive · SQL · Data Quality · Data Governance · Collibra · Data Galaxy · Apache Atlas · Dictionnaire de données · Lignage · KPI

Chez Planet Media, j'ai rejoint l'équipe comme Product Owner d'un nouvel outil de marketing automation, conçu pour remplacer les anciens canaux legacy d'envoi d'e-mails. Je recueillais les besoins, pilotais le backlog et faisais le lien entre les métiers et les développeurs. L'outil permettait de programmer les envois, de gérer la segmentation et de suivre des KPI déjà surveillés dans l'ancien système, comme le nombre d'envois et d'ouvertures, et il a été déployé sur plusieurs campagnes. Au fil des mois, j'ai endossé de plus en plus le rôle de Data Analyst, d'abord sur cet outil, puis sur le reste de l'entreprise, sans quitter celui de Product Owner. Sur une base d'environ 15 millions de profils sous PostgreSQL, je segmentais et j'optimisais les requêtes pour garder des temps de réponse corrects, ce qui a permis de mieux cibler les campagnes marketing, avec un suivi quotidien des KPI sous Metabase et Power BI. Stack : SQL · PostgreSQL · AWS · Metabase · Power BI · Product Ownership · Marketing Automation