Deschances TCHAKOUNANG NDJOMOU

Ingénieur Data & IA indépendant, livrant des produits de données métier pour des clients dans les services financiers. UBS Global Wealth Management : • Rédaction de standards de produits de données alignés sur les domaines métier (Vue Client Unique et CRM) • Définition des politiques de données transfrontalières et des contrôles d'accès pour les réglementations UE, APAC et suisses • Création d'un modèle de données CRM et d'un validateur JSON pour l'ingéstion de données clients Ultra High Net Worth • Construction d'un PoC d'ingéstion Kafka et API sur Azure Databricks pour la Vue Client Unique Stack : Azure Databricks, Kafka, PostgreSQL, Java

En tant qu'Architecte Data & IA de confiance au sein d'AWS Professional Services, j'ai piloté de grands programmes de transformation des données pour des clients entreprises à travers l'Europe, notamment dans les secteurs bancaire et automobile. Crédit Agricole CIB : Migration du datalake pétaoctet vers AWS (100+ pipelines). Conception d'un système RAG agentique avec Amazon Bedrock (Claude). Déploiement d'une couche API REST exposant des produits de données aux consommateurs ML. Standard Bank CIB : Conception d'une architecture data mesh multi-comptes pour la banque d'investissement sous MiFID II. BMW : Optimisation des applications Spark sur AWS Glue, amélioration des performances de 30%. Bosch : Architecture data mesh permettant l'intégration de 6 business units en 2 mois. Amazon.com : Migration des outils de simulation logistique vers AWS avec pipeline CI/CD multi-région. Stack : EMR, EKS, Redshift, S3, Kafka, Spark, Python, Terraform, Tableau, Amazon Bedrock, MLflow, AWS Glue, Apache Iceberg, CDK

Ingénieur Big Data responsable de la montée en charge et de la maintenance d'une plateforme haute disponibilité basée sur Cloudera pour les charges réglementaires et de conformité. • Extension du cluster Cloudera UAT de 50 à 90 nœuds • Automatisation de la gestion de la configuration avec Salt (Cloudera Stack, Anaconda, outils métier) • Mise en place d'un système de supervision Splunk avec détection quotidienne des arrivées de fichiers • Taux incident moyen de 1 par trimestre avec un temps de rétablissement de 3 heures Stack : Cloudera, Hive, Impala, Sentry, Kerberos, Python, Shell, Splunk, Salt, Tableau

AG2R La Mondiale : Conception et déploiement d'une plateforme Big Data Cloudera 20 nœuds pour l'ingéstion de données, l'analytique et la connaissance client à l'échelle de l'entreprise. • Gain de performance x10 sur les requêtes BI par rapport à la plateforme Oracle via Impala • Développement d'une vue client 360° intégrant des données multi-systèmes • Automatisation du déploiement d'infrastructure via Puppet et l'API Cloudera Manager Stack : Spark, Solr, SQL, Play Framework, ODI, Hive, Impala, Cloudera, Python, Shell, Puppet, Sentry, Kerberos