Firas Belaazi

• Conception et migration d’architectures Data : modernisation des traitements SSIS 150 flux vers GCP avec Python modulaire, Cloud Composer (Airflow), Cloud Functions et BigQuery. • Développement et orchestration de pipelines Data complexes avec Python, SQL et Apache Airflow (DAGs), incluant supervision, gestion des erreurs et optimisation des performances. • Développement de pipelines ETL/ELT avec SSIS et dbt : transformation, modélisation, tests de qualité et documentation des données. • Conception de tables BigQuery partitionnées et clusterisées pour optimiser les performances et maîtriser les coûts cloud. • Déploiement d’infrastructures cloud avec Terraform (IaC) et automatisation des déploiements via Azure DevOps et CI/CD. • Conception et maintenance de pipelines Azure Data Factory pour l’ingestion batch et temps réel entre systèmes on-premise et cloud. • Migration et intégration de flux Magic Xpi vers GCP (Application Integration, Apigee, Cloud Functions). • Développement de solutions d’automatisation avec Power Automate : notifications, approbations et synchronisation de données. • Mise en place de solutions Data Quality et de tableaux de bord KPI avec Qlik Cloud pour suivre la fraîcheur des données et l’état des pipelines. • Développement de scripts d’export robustes et de solutions d’intégration multi-sources (SFTP, SharePoint, API, SQL). • Exploration de solutions IA basées sur les LLM et agents autonomes pour détecter les erreurs Airflow, proposer des corrections et automatiser la résolution des incidents.

HAIKU – Hatch AI • Développement de pipelines Data avec dbt, Dataflow, Airflow et BigQuery. • Détection de logs frauduleux via des modèles de Deep Learning sur Vertex AI. • Migration des données de FlexibleEngine vers Google Cloud Storage et BigQuery. • Mise en place d’infrastructures cloud avec Terraform (IaC). • Automatisation de l’entraînement continu des modèles avec Airflow. • Restitution des résultats via Kibana et Looker Studio. TNPM – Telecommunications Network Performance Monitoring • Ingestion temps réel avec Pub/Sub et traitement Apache Beam/Dataflow. • Stockage des séries temporelles dans Bigtable. • Mise en place d’alertes automatisées avec Cloud Monitoring. BI & Settlement • Développement de pipelines ETL/ELT pour le calcul des parts de revenus Orange. • Migration des reportings Power BI vers Elasticsearch/Kibana. • Déploiement de jobs Dataflow et alimentation de BigQuery en streaming. COSY – Connectivity Services Failures Detection • Analyse et prétraitement des logs clients pour la détection d’anomalies SD-WAN. • Développement de pipelines batch et streaming avec Spark, Kafka et Hadoop. • Entraînement de modèles ML et automatisation CI/CD avec GitLab. Data Platform & Data Quality • Architecture Medallion et modélisation dbt. • Contrôles qualité PySpark sur plus de 100 000 enregistrements financiers/jour. • Réduction des erreurs de données de 40 % grâce à l’automatisation des contrôles.

-Conception et développement de pipelines Data batch et streaming avec Python, SQL, Apache Airflow, Dataflow, dbt et BigQuery. -Migration et modernisation de plateformes Data vers Google Cloud Platform (GCP) : Cloud Storage, BigQuery, Dataflow, Pub/Sub, Bigtable et Vertex AI. -Développement de pipelines ELT avec dbt : modélisation, transformations SQL, gestion des dépendances, tests et contrôles de qualité des données. -Conception de pipelines temps réel avec Pub/Sub et Apache Beam/Dataflow pour l’ingestion et le traitement de données télécom. -Mise en place d’une architecture Medallion (Bronze/Silver/Gold) pour structurer les flux et améliorer la gouvernance des données. -Développement et orchestration de workflows avec Apache Airflow, incluant automatisation des traitements, gestion des dépendances, monitoring et reprise sur erreur. -Développement de traitements PySpark/Spark pour l’analyse et la transformation de volumes importants de données.

-Industrialisation des pipelines et de l’infrastructure avec Terraform (IaC), GitLab CI/CD et Artifact Registry. -Migration de données depuis FlexibleEngine vers Google Cloud Storage et BigQuery, avec mise en place des pipelines d’intégration associés. -Développement de pipelines Big Data avec Hadoop, Spark, Scala et Kafka pour des traitements batch et streaming. -Conception de solutions de monitoring et de restitution avec Elasticsearch, Kibana et Looker Studio pour le suivi des KPI, de la qualité des données et des performances des pipelines. -Contribution à la conception de solutions MLOps : préparation des données, entraînement continu, évaluation et déploiement des modèles. -Automatisation et supervision des processus Data afin d’améliorer la fiabilité, la performance et la maintenabilité des traitements.