Aziz ARIF

Missions en régies chez des clients Mission en interne : Construction et maintenance d'un projet LookML interne (modèles, vues, explores) au-dessus de BigQuery, exposant des jeux de données curés et gouvernés pour l'analyse en self-service. Définition des dimensions, mesures et tables dérivées, et mise en place d'une couche sémantique centralisée pour standardiser les métriques et KPI entre équipes. Application des bonnes pratiques LookML : explores réutilisables, refinements, versioning Git et revues de code par les pairs. Conception de dashboards et de Looks interactifs avec drill-down et filtres, permettant une exploration autonome des données. Mise en place de la gouvernance et des contrôles d'accès (permissions sur modèles et connexions, sécurité au niveau ligne et champ). Optimisation des performances et des coûts via les tables dérivées persistantes (PDT), l'aggregate awareness et les politiques de cache. Contribution à un accélérateur interne visant à standardiser et accélérer les déploiements Looker sur les futures missions client. Environnement : Looker, LookML, BigQuery, Google Cloud Platform, Git.

Conception et construction d'une plateforme analytique sur Databricks (Delta Lake, Unity Catalog) en architecture Medallion (Bronze/Silver/Gold), pour consolider et curer la production scientifique nationale du Luxembourg (plus de 100 000 publications). Intégration de 9 sources hétérogènes (fichiers Excel institutionnels, OpenAlex, Scopus, ROR, Crossref, OA Switchboard, Alma, FNR, référentiel des périodiques) dans un modèle analytique unique et gouverné. Développement de loaders d'ingestion Python/PySpark sur APIs REST externes (OpenAlex, Scopus, Crossref, résolveur Alma OpenURL), avec moissonnage multi-threadé (~70 000 DOI) et gestion des limites de débit. Mise en œuvre de la déduplication inter-sources, de la résolution d'entités (auteurs, institutions) et des règles de normalisation et de rapprochement sur DOI, revues, ISSN et identifiants ROR, avec arbitrage par priorité de champ. Conception d'un modèle d'enrichissement non destructif (notebooks de post-traitement) pour ajouter les métadonnées de financement, d'accès ouvert et d'accès bibliothèque sans altérer la chaîne de publication principale. Analyse de couverture abonnements / accès ouvert (rapprochement ISSN et plages de dates, avec repli en correspondance floue) sur plus de 38 000 publications, et enrichissement d'environ 83 000 publications (78 % du catalogue) avec les données d'accès bibliothèque. Orchestration du pipeline complet via Databricks Workflows (~38 tâches) sur compute serverless, conçu pour la reproductibilité et le lineage. Livraison de dashboards AI/BI interactifs (plus de 10 pages) et d'une application Streamlit permettant aux parties prenantes d'explorer et de piloter les données curées. Rédaction de la documentation technique complète (pipeline, dictionnaire de données, modèle de données) et passation à l'équipe IT du client ainsi qu'à un consultant junior. Environnement : Databricks (PySpark, Delta Lake, Unity Catalog, Workflows, dashboards AI/BI), Python, Streamlit, APIs OpenAlex / Scopus / Crossref / ROR / Alma, SQL.

Formation Azure Data Platform (architecture Medallion). Conception et animation d'une formation pratique de 4 jours sur l'architecture Azure Data Platform, suivant le framework Medallion (Bronze/Silver/Gold). Couverture d'Azure Data Factory, Azure Data Lake Storage Gen2, Databricks, Delta Lake et Azure SQL. Construction et déploiement de pipelines d'ingestion et de transformation réutilisables : vue d'ensemble de la plateforme et ingestion de données brutes (ADF, Parquet, ADLS) ; pipelines dynamiques pilotés par métadonnées pour l'ingestion multi-sources ; nettoyage et transformation via Databricks et tables Delta ; modélisation BI et publication vers Azure SQL pour Power BI. Formation dispensée aux équipes Data & BI d'Arendt, combinant concepts d'architecture, démonstrations et travaux pratiques. Environnement : Azure Data Factory, Azure Data Lake Storage Gen2, Azure Databricks, Delta Lake, Azure SQL, Power BI.

Benchmark d'outils et preuve de concept DBT. Benchmark complet de 7 outils d'intégration de données : DBT Core, Talend, Informatica, Oracle Data Integrator, Dataiku, Fivetran et Alteryx. Évaluation de chaque outil sur l'architecture, la scalabilité, la sécurité, le coût et la compatibilité avec des environnements on-premise et hybrides. Conception et réalisation d'un POC pour évaluer DBT Core en remplacement d'IBM DataStage. Installation et configuration de DBT dans l'environnement de POST, avec connexion à Oracle, SQL Server et IBM DB2. Mise en œuvre de cas d'usage réels (modèles staging/mart, tests de qualité de données, ordonnancement via Control-M). Rédaction du rapport technique et des recommandations finales, préconisant une architecture ELT moderne (DBT + Airbyte ou Fivetran). Environnement : DBT Core, Oracle, SQL Server, IBM DB2, Control-M.

Conception et développement de dashboards interactifs sous Tableau, offrant aux parties prenantes une visibilité sur les indicateurs et tendances clés. Mise en place de solutions de reporting automatisées pour une visibilité temps réel des données. Intégration de sources de données variées dans Tableau, en garantissant cohérence et précision, et optimisation des performances sur de gros volumes. Construction et optimisation de pipelines de données alimentant Amazon Redshift comme entrepôt de données. Automatisation des processus ETL pour transformer les données brutes en informations exploitables, avec contrôles de cohérence et de disponibilité. Utilisation de SQL pour l'interrogation, la gestion et l'optimisation des données dans Redshift. Mise en place de contrôles qualité et de processus de validation au sein des pipelines, audits réguliers des sources et documentation des définitions et transformations. Formation et accompagnement des utilisateurs et des équipes sur les dashboards et les bonnes pratiques de validation des données. Environnement : Amazon Redshift, Tableau, Jira, PostgreSQL.

Modélisation et entrepôt de données : Conception, avec l'équipe data, d'un modèle de données scalable et performant aligné sur les besoins métier, et création d'un dictionnaire de données pour standardiser les définitions. Mise en place d'un entrepôt de données (STG, ODS, DWH, DM) sur GCP avec BigQuery, incluant tables de dimensions et tables de faits. Optimisation des performances via le partitionnement et le clustering, améliorant la vitesse des requêtes et la maîtrise des coûts. Automatisation des traitements par requêtes planifiées, stratégies de sauvegarde et de restauration, validation des données et bonnes pratiques de gouvernance et de sécurité. ETL / ELT : Développement de traitements ETL/ELT avec Matillion sur VM Google Compute Engine, avec automatisation des snapshots disque et optimisation des coûts par planification d'allumage/extinction des VM. Import et transformation de données issues de plus de 30 sources (MySQL, MariaDB, Elasticsearch, SAP, CRM, APIs). Génération des tables de dimensions et de faits conformément au dictionnaire de données, et chargement dans BigQuery. Optimisation des pipelines pour la performance et la scalabilité, réduisant les temps de traitement. Reporting et visualisation : Conception de rapports et dashboards interactifs avec Google Data Studio, Qlik Sense et Zoho Analytics, pour un pilotage en temps réel. Personnalisation des visualisations selon les besoins métier, intégration de sources multiples et automatisation de la génération et de la diffusion des rapports. Solutions IT et automatisation : Développement de solutions d'extraction automatisée depuis BigQuery avec envoi par e-mail. Création d'APIs REST pour l'intégration de données entre systèmes. Utilisation de Google Cloud Functions pour l'exécution serverless de traitements. Automatisation de rapports via Google Apps Script, et développement de scripts Python, Node.js et JavaScript pour l'extraction, la transformation et le chargement de données. Support et maintenance : Support et résolution d'incidents data via Zoho Tickets, avec gestion et priorisation des flux de tickets. Diagnostic des problèmes sur les pipelines, les intégrations et le stockage, et documentation des incidents récurrents dans une base de connaissances. Management et agilité : Encadrement d'une équipe composée d'un data scientist et d'un data analyst en environnement agile (Zoho Sprints). Animation des sprint plannings, stand-ups et rétrospectives, suivi de l'avancement et accompagnement technique de l'équipe. Environnement : BigQuery, Google Data Studio, Python, Google Cloud Platform, MySQL, Node.js, Tableau, Amazon Redshift, Power BI, MariaDB.

Refonte d'applications web obsolètes en PHP et JavaScript, améliorant les fonctionnalités, l'expérience utilisateur et les performances. Extraction de données et automatisation de dashboards et de reportings avec Google Data Studio. Préparation des données avec Tableau Prep et création de dashboards interactifs avec Tableau Desktop. Environnement : Tableau, Ajax, Bootstrap, HTML, CSS, PL/SQL, JavaScript.

Développement d'un CRM sur mesure en ASP.NET MVC, améliorant la gestion de la relation client et la fluidité des processus métier. Environnement : ASP.NET MVC, C#, Access, SQL Server, Git, Eclipse, Visual Studio, T-SQL.