Aymeric Guillochet

Projet stratégique de structuration et d’orchestration de pipelines data pour le DataHub Action Logement. • Conception et orchestration de workflows data de production, d’ingestion et de transformation avec Apache Airflow, garantissant l’automatisation, la fiabilité et la traçabilité des traitements. • Optimisation de l’architecture PostgreSQL, déployée sur Kubernetes, pour assurer performance, scalabilité et robustesse. • Enrichissement, contrôle qualité et validation des données à différentes mailles via PostgreSQL et PySpark, renforçant la cohérence des jeux de données. • Sécurisation et automatisation des déploiements de pipelines (gestion des secrets, CI/CD, variables d’environnement), réduisant les risques de mise en production. • Encadrement technique et accompagnement de l’équipe sur les bonnes pratiques en Data Engineering et en orchestration. • Mise en place de tests automatisés et contrôles qualité , garantissant la fiabilité et la résilience des workflows. • Création d’un dashboard Metabase pour le suivi de la qualité des données et la diffusion d’indicateurs clés aux filiales. Résultat : Structuration d’une plateforme data robuste, capable de supporter des workflows critiques et des exigences fortes de qualité de données.

En tant que freelance, j’ai accompagné divers clients dans le domaine de la Data Science et du Data Engineering, en développant des solutions personnalisées pour optimiser la gestion des données et favoriser des prises de décisions basées sur des analyses avancées. Mon expertise couvre l’intégration de données, la création d'infrastructures analytiques robustes, ainsi que la modélisation des données pour répondre à des problématiques complexes. Réalisations principales : - Mise en place d'environnements de données évolutifs, utilisant des technologies comme Databricks, Azure, et DBT, pour créer des Data Lakes et optimiser les flux de données tout au long de leur cycle de vie. - Automatisation des pipelines de données avec Python, intégration des données internes et externes (via API, SFTP, et Web Scraping), et validation de la qualité des données pour garantir leur cohérence et leur intégrité. - Conception et déploiement de modèles de Machine Learning pour prédire des valeurs clés (ex : estimation des prix de véhicules, détection de doublons, etc.), et visualisation des résultats sous forme de dashboards interactifs avec PowerBI pour faciliter l’interprétation des données. - Développement de solutions de Data Engineering et mise en place de pipelines CI/CD pour assurer la gestion continue du code et des déploiements, avec des outils comme Git, Azure DevOps, et Docker. - Consulting stratégique auprès des clients pour optimiser leur gestion de données et améliorer leurs processus internes via des solutions Data-driven, tout en garantissant une montée en compétence de leurs équipes techniques.

Consultant en Data Engineering et Data Science chez Ekimetrics, intervenant sur des projets de transformation data pour des grands comptes tels qu’Orange et Action Logement. - Conception et industrialisation de plateformes data cloud (Databricks, DBT, Azure). - Développement de pipelines d’ingestion, transformation et contrôle qualité à grande échelle. - Mise en œuvre de problématiques mêlant Data Engineering, Data Quality et traitement avancé des données. - Accompagnement des équipes sur les bonnes pratiques de structuration, industrialisation et automatisation des workflows. Résultat : Contribution à la structuration et à la fiabilisation de plateformes data stratégiques pour plusieurs clients grands comptes.

Projet de préparation et de valorisation des données marketing pour Orange (via Ekimetrics). - Développement d'un framework Python interne automatisant le téléchargement, la validation et l’intégration des données depuis un SFTP vers une landing zone Databricks. - Mise en place d’une architecture data en médaillon (bronze, silver, gold), pour structurer les pipelines ETL et fiabiliser les flux de données. - Déploiement et industrialisation d’un environnement DBT pour la gestion des transformations, les tests de qualité et le suivi du data lineage. - Formation et accompagnement de deux data analysts juniors sur les bonnes pratiques de Data Engineering et de Data Quality. - Création d’un dashboard Power BI pour le suivi de la qualité et la visibilité des jeux de données. Résultat : Amélioration de la fiabilité des pipelines marketing et réduction du temps de traitement des données.