Firas Saddi

Banque basée au Québec comptant plus de 55 000 collaborateurs et 10 millions de clients. Intervention auprès du Bureau de la Sécurité de Desjardins en tant qu'expert et conseiller Databricks (Architecture Data mesh). J'ai contribué à deux initiatives : - Conception et implémentation d'un framework automatisé de remédiation de fichiers dans Databricks. Code mis en production à l'échelle de l'entreprise (+ de 50 000 collaborateurs). Gestion des statuts de fichiers sensibles et envois automatiques d'e-mails ciblés. Impact : temps dédié à la remédiation des fichiers réduit de plus de 90 %. - Pilotage de la migration de use cases d'analytique de fraude depuis IBM CP4D vers Databricks (+80 use cases métier). Intégration des bonnes pratiques de gestion des données PII. Formation de +30 développeurs sur les bonnes pratiques de développement et de design Databricks Impacts : centralisation des besoins Data et IA, démocratisation de l'architecture Data Mesh (4 Data Products d'intégrés), diminution des temps de traitement de plus de 50 %, et réduction du risque d'exfiltration de données hautement confidentielles Stack/concepts: Azure Databricks, SQL, Python, PySpark, GitHub, Azure DevOps, Agile, Data Mesh

Deuxième plus grand fonds de pension et investisseur institutionnel au Canada, gérant plus de 500 milliards CAD d'actifs à l'échelle mondiale (Actions, Fixed Income, Immobilier, Private Equity, Infrastructure...). Intervention auprès du département Data (équipe d'environ 100 personnes). Support aux équipes Information de Portefeuille et Fixed Income Analytics pour la livraison de produits data critiques. Mission 1 : POC Exposition Transactionnelle (Équipe Information de Portefeuille) - Pilotage d'une POC pour passer du reporting "position" au niveau "transactionnel" pour 500 milliards CAD d'actifs - Conception de requêtes Snowflake par reverse-engineering de règles métier complexes (+15 tables en intrants) - Traitement de centaines de millions de lignes via du SQL avancé pour alimenter les dashboards Power BI Impacts : Permet la détection ponctuelle d'anomalies de l'ordre de plusieurs millions de dollars. Permet aussi l'analyse granulaire des tendances financières à l'échelle de l'entreprise. Mission 2 : Modernisation de la plateforme Data Quant (Équipe Fixed Income Analytics) - Analyse des besoins métier, et définition du périmètre pour les +400 tables et vues à migrer (~ 5 TB) - Migration d'environnements legacy (Matlab / MS SQL) vers une architecture Lakehouse sur Databricks - Automatisation des déploiements (CI/CD) via Databricks Asset Bundles (DABs) et fichiers YAML - Conception de schémas Star/Snowflake pour des instruments financiers complexes (dérivés) - Rôle de Conseiller Technique pour définir les bonnes pratiques PySpark et Delta Lake Impacts : Accélération du traitement de 70 %. Meilleure accessibilité des données pour les +10 analystes quantitatifs, et les +20 traders. Stack : Snowflake, Databricks, SQL, Python, dbt, Airflow, CI/CD, Azure DevOps, Power BI, Microsoft SQL Server, Matlab

Slalom est un cabinet de conseil international en stratégie et technologie (+ de 15 000 collaborateurs). Spécialisé dans la transformation numérique et Data/IA. Statut de partenaire privilégié avec AWS, Snowflake, Databricks entre autres. Missions de conseil et d'ingénierie pour des leaders de la restauration, de l'énergie et de la banque. Client : Restauration (Janvier 2023 - Avril 2024) Franchiseur de restaurants gérant un portefeuille en forte croissance de +1 200 établissements et +27 marques. Mandaté par le CFO, je suis intervenu en tant que Data Engineer sur la construction de leur Data Platform Azure pour tous leurs restaurants. - Livraison end-to-end : ingestion (ADF), transformation (Azure Databricks) et visualisation (Power BI) pour +50 utilisateurs finaux - Migration d'Azure SQL vers Azure Databricks. Optimisation de coûts de 50 %, réduction du temps de développement de +30 % - Traduction des besoins métier des dirigeants, et pilotage de la modélisation des données Stack / Concepts : Azure, Azure Databricks, Azure Data Factory, Azure SQL, Power BI, Data Modeling, Azure DevOps, Agile Client : Leader nord-américain de l'énergie (Mai 2024 - Juin 2024) Data Product Owner - Pilotage de la phase de découverte MLOps pour la prédiction de consommation en temps quasi réel - Définition de l'architecture de haut niveau de la solution et gestion du backlog produit Client : Secteur bancaire (Août 2024 - Mars 2025) J'ai travaillé en tant que Data Engineer pour construire les fondations data de l'environnement Databricks de l'équipe de Protection des Données (Architecture Data mesh). - Conception de 5 pipelines PySpark de transformations de données pour des use cases BI dans Databricks - Migration de code C# local vers PySpark, réduisant le temps de traitement de 80 % - Gestion du modèle de données au sein de l'architecture en médaillon de la business unit (normalisation des données, SCD2...) Stack : Azure Databricks, Python, SQL, GitHub

Innergex développe, construit et exploite des parcs éoliens, solaires, hydroélectriques et de stockage par batteries. Présent dans 4 pays avec plus de 90 centrales en opération. Membre de l'équipe Data Analytics pour la performance des actifs (6 analystes supportant les opérations des 90 actifs de l'entreprise) : - Advanced analytics et monitoring de plusieurs parcs éoliens aux États-Unis et au Canada - Développement de use cases en Machine Learning pour détecter des sous-performances d'actifs - Implémentation d'ETL pour des datasets massifs issus d'éoliennes, depuis les systèmes d'acquisition de données vers Snowflake. Économies moyennes annuelles de 300k CAD pour l'entreprise - Définition et implémentation de KPIs Data pour la Direction - Développement de dashboards interactifs de data visualization et de reportings pour les équipes d'Opérations, les Partenaires et la Conformité (Tableau, Power BI) Impacts : économies annuelles moyennes de +300k CAD en frais de consultants, négociations contractuelles des actifs en opération, et en sous-performances détectées et résolues. Stack : Snowflake, Tableau, Power BI, Python, Matlab, Microsoft SQL Server