Diego NEGRIER

– Mise en place et structuration d'un catalogue de données pour centraliser, inventorier et faciliter l'accès aux ressources de données de l'entreprise. – Conception et enrichissement continu d'un dictionnaire des données permettant une meilleure gouvernance et compréhension des actifs informationnels. – Élaboration et mise en œuvre de processus de gestion de la qualité des données, incluant des contrôles automatisés, des règles de validation et des indicateurs de qualité. – Définition et implémentation de modèles d'architecture de données scalables, assurant la performance, la sécurité et l'évolutivité des systèmes d'information.

– Conception d'une architecture de données scalable et sécurisée sur Google Cloud Platform (GCP) pour optimiser le traitement et l'analyse des données. – Développement de pipelines ETL automatisés en Python pour collecter, transformer et charger les données à grande échelle. – Création de modèles prédictifs personnalisés via des algorithmes de machine learning afin d'anticiper les comportements clients et d'optimiser les campagnes marketing. – Mise en place d'une application Flask pour moteur de recommandation de contenus personnalisés selon les préférences utilisateurs. – Création de tableaux de bord Power BI pour la visualisation interactive des résultats.

– Mise en place d'un environnement de gestion de données fiable et robuste via Cloudera et Flask, pour soutenir les évolutions réglementaires liées aux régimes de retraite. – Définition d'un référentiel de données complet et mise en œuvre de contrôles qualité (AMDEC) pour améliorer la fiabilité des données et faciliter la prise de décision.

– Conception et déploiement d'une plateforme data centralisée sur Cloudera pour restituer des informations d'assainissement aux équipes municipales de Bordeaux. – Développement de visualisations interactives et d'analyses sur mesure afin de faciliter l'exploration des données par les utilisateurs finaux.

– Développement d'algorithmes de détection d'anomalies sur données de compteurs de gaz, permettant d'identifier des fraudes et des fuites potentielles. – Élaboration d'un dictionnaire de données et de tableaux de bord interactifs pour structurer l'analyse métier et appuyer la prise de décision opérationnelle.

– Animation de modules différenciés en Python pour des publics débutants à confirmés, incluant des spécialisations en data science, machine learning et développement web.

– Mise en place d'une architecture de données globale sur Azure et d'une gouvernance des données à l'échelle de l'entreprise. – Développement de modèles de machine learning pour optimiser la consommation, détecter les anomalies et améliorer la performance opérationnelle.