Mehdi Mahraoui

Modernisation d’une plateforme Finance / Risque / Conformité et fiabilisation du reporting réglementaire — Refonte de pipelines critiques pour le reporting réglementaire, le pilotage financier et le contrôle de conformité — Contribution à la migration d’un patrimoine Hadoop / Cloudera vers une architecture AWS. — Développement de traitements Python / SQL / dbt pour intégrer, transformer et consolider des données multi-sources à forte volumétrie — Orchestration de workflows data avec Airflow / Cloud Composer : DAGs, dépendances, retries, monitoring et reprise sur erreur — Automatisation des flux sur AWS (StepFunctions, S3, lambdas) — Structuration du layer analytique avec SnowFlake et dbt: modèles, tests, documentation et versioning — Renforcement de la qualité des données : contrôles, gestion des anomalies et homogénéisation des schémas Environnement : Python, SQL, dbt, SnowFlake, AWS (SF, Glue, S3, lambda, IAM, RAM, ...), Airflow, Snowflake, Control-M, Git

Senior Scala Engineer with 9+ years of experience designing and delivering large-scale data platforms in financial and industrial environments. Specialized in distributed systems, high-performance data processing, and cloud-native architectures. Led the development of enterprise-grade Spark pipelines, optimized large datasets processing, and contributed to system modernization and cloud migration initiatives. Worked in international environments with cross-functional teams, ensuring scalability, reliability, and performance of production systems. Core Stack: Scala, Apache Spark, AWS (S3, Glue, Lambda, Step Functions, Athena), Azure, Databricks, Python, Maven, SBT, Jenkins, Git, REST APIs.

Plateforme de paiement instantané SEPA avec fortes exigences de disponibilité, performance et rési- lience — Développement de services backend en Scala pour le traitement de flux de paiements instantanés — Implémentation de traitements Kafka Streams pour analyser, enrichir et router les événements fi- nanciers — Conception de chaînes résilientes : retries, offsets, reprise sur erreur et sécurisation des flux — Optimisation des performances applicatives et de la stabilité de la plateforme — Contribution à l’industrialisation, à la maintenabilité du code et à la qualité du delivery Environnement :Scala, Kafka, Kafka Streams, Confluent, Cloud Storage, Cloud Functions, Compute Engine, Jenkins, Docker, Git, Maven

Plateforme d’analyse marketing et finance pour mesurer coûts réels, performance des campagnes et ROI — Développement de pipelines Spark pour consolider dépenses marketing et indicateurs business — Modélisation de datasets rapprochant coûts engagés, résultats business et ROI — Mise à disposition de données analytiques pour les équipes finance et métier — Travail sur la qualité, la cohérence et la traçabilité des données — Amélioration de l’accessibilité et de l’exploitabilité des données de performance Environnement : Scala, Spark, Hadoop, Cloudera, SQL, APIs, modélisation analytique

— Développement de pipelines de préparation et transformation sur Azure / Spark — Structuration de données multi-sources pour les équipes data science — Amélioration de la qualité et disponibilité des données industrielles — Contribution à un socle data réutilisable et industrialisé Environnement : Azure, Python, Spark, SQL, data lake