Flavien Bouché

Data Engineer Freelance — Fondateur de BoucheData (SASU) Interviens en mission pour des entreprises souhaitant construire, fiabiliser ou moderniser leur stack data : de l'ingestion brute au dashboard décisionnel. Ce que je construis pour mes clients : • Plateformes data : architecture, construction, migration legacy • Pipelines ETL/ELT : ingestion, transformation, orchestration • Modélisation de données • Interfaçage systèmes • Monitoring & alertes automatiques • Dashboards & reporting automatisé • Automatisation de processus répétitifs Remote ou sur site - Forfait ou régie - https://portfolio.bouchedata.fr

Membre de l'équipe Advertising de 3 à 4 personnes, en charge de la pipeline data (ingestion, transformation) alimentant les rapports de pilotage des campagnes publicitaires pour les équipes ops et commerciales. Stack cloud : Talend, BigQuery, Snowflake, Power BI. Ambition du poste : fiabiliser la chaîne de données de bout en bout (collecte → transformation → restitution) pour donner aux équipes commerciales une visibilité fiable sur les campagnes, et automatiser les optimisations pour réagir plus vite que le manuel ne le permettait. Réalisations • Conception et maintenance des pipelines ETL (Talend) alimentant BigQuery et Snowflake à partir des données de campagnes publicitaires • Création des dashboards Power BI en s'appuyant sur ces pipelines pour le suivi des KPIs de campagnes • Développement d'un bot Python/Selenium pour automatiser l'optimisation des campagnes (ajustement budgets/CPC). Traitement automatisé de plusieurs dizaines de milliers d'euros de chiffre d'affaires par jour Impact : données fiables et à jour pour le pilotage des campagnes, réduction du temps manuel, optimisation continue des budgets publicitaires Stack : Talend · BigQuery · Snowflake · Power BI · Python · Selenium

Projet R&D "Internet of Food 2020" : exploiter des données IoT collectées sur le terrain pour aider les vignerons à la décision. Réalisations • Collecte et structuration des données IoT • Analyse exploratoire des données • Développement de modèles prédictifs pour l'aide à la décision Impact : outil d'aide à la décision concret pour les vignerons Stack : Python · PostgreSQL · Git

Cette formation pratique vise à dresser un panorama des principales solutions du marché, en termes d'analyse et d’alimentation ou de restitution des données et apporte la démarche et les méthodes requises pour gérer un projet décisionnel de A à Z. Ce parcours de formation est composé de plusieurs modules, associés à différents cours animés par des spécialistes. Ces cours font l'objet de travaux pratiques individuels ou en équipe (50% environ du temps), qui seront intégrés au sein d'une application finale dans le cadre de l'atelier de fin de parcours.

Stage de 6 mois pendant lequel le but était d'étudier des données d'accélération et de déformation d'un matériau, mesurées à partir d'une bouée maritime, an d'établir des corrélations avec les conditions environnementales liées à l'état de la mer, à l'aide de deux chercheurs d'IFSTTAR et deux spécialistes en méthode stochastique d'identication des sous espaces de l'INRIA de Rennes. Missions : - Nettoyage des données : série temporelle, 1,5 milliard d’enregistrement par variable - Transformation des données : échantillonnage, dilatation thermique, estimation de la température Visualisation de la donnée : tableau de bord - Analyse de données : corrélation, analyse en composantes principales, classication - Analyse modale : densité spectrale de puissance, méthode stochastique d'identication des sous espaces, détection d'endommagement Environnement technique : - Python, Jupyter, Spyder - R, Rstudio, Shiny Dashboard

Stage de 2 mois et demi à l'Institut de Mathématiques de Bordeaux pendant lequel le but était d'étudier des données de pression, d'apnée et d'hypopnée, an de caractériser les traitements des patients dans le but d'avoir le même résultat que les ressentis des patients, avec un enseignant - chercheur de l'IMB et deux médecins - chercheurs de la clinique du sommeil de Bordeaux. Missions : - Nettoyage des données : série temporelle Analyse de données : analyse de données, classication - Tableau de bord - Création d'un tableau de bord permettant de suivre l'évolution d'un patient Environnement technique : Windows R, Rstudio, Shiny Dashboard