Florian Blanchet

Audit de l'utilisation de DBT et Airflow et recommandations d'amélioration. Accompagnement long terme sur la migration de requêtes SQL de données de campagnes publicitaires vers DBT (connecté à AWS Athena) avec intégration dans le modèle de données existant. Refacto des couches de transformation (architecture en medaillon et snowflake). Amélioration du pipeline de CI/CD de DBT sur Github. Transferts de données avec Glue (AWS) / Spark et stockage Iceberg/parquet. Mise en place de bases de données Aurora (PostgreSQL) pour mettre à disposition les données plus rapidement au backend et aux reportings. Distanciel / 4 jours par semaine

Audit puis accompagnement long terme pour optimiser l'utilisation de DBT. Implémentation de stratégies incrémentales, indexing, partitionnement, optimisations en SQL etc sur PostgreSQL. Mise en place de Dagster pour l'orchestration des jobs. Containerisation des jobs avec docker. Distanciel complet / 1 jour par semaine.

Mission menée avec le collectif de freelances marketing Bulldozer. Nous étions 4 : un expert publicités en ligne, un spéciaisé en SEO, un en stratégie d'acquisition outbound et moi en data. Notre but était d'auditer le service marketing B2B afin d'optimiser les taux de conversion et les coûts d'acquisition client. Pour cela j'ai eu accès à leur Metabase connecté à leur datawarehouse ce qui m'a permis de faire une analyse poussée (en SQL) des taux de conversion par canal et tout au long du tunnel de vente ainsi que de mesurer les coûts d'acquisition. Nous avons pu présenter une roadmap au comex.

Renfort technique pour la conception et l’amélioration des systèmes de gestion de campagnes publicitaires. Environnement serverless sur AWS en Python / SQL via Flask et PostgreSQL. Création de data pipelines en Python et via DBT. Mise en place de la CI/CD avec terraform et Github Actions pour tenir à jour certaines extractions utilisant Airbyte. Attention particulière à la qualité du code avec des tests unitaires et e2e et une chaîne de CI/CD robuste. Maintenance et amélioration du backend relatif au traitement des données de finance de l’entreprise. Mise en place d’outils pour piloter la marge et les indicateurs financiers.

Mission en anglais avec déplacements chez le client à Londres 2 semaines par an. Migration de l’extraction de données du système de réservations (PMS) : création d’un client API sur mesure en python pour requéter les données, intégration dans Airflow pour envoyer les données dans le datalake (Google cloud storage) puis le datawarehouse (BigQuery) et reconnexion du nouveau modèle de données aux requêtes SQL de reporting existantes. Intégration de nouveaux pipelines ELT dans Airflow pour collecter les données de Stripe, Jira, BDD PostgreSQL... Développement de cloud functions pour recevoir les données en temps réel des webhooks stripe, du logiciel de réservation et du web chat (olark) en python Flask. Reverse ELT sur Airflow pour envoyer les données du datawarehouse vers les logiciels métier : l’ERP Netsuite (projet d’un an en lien avec l’équipe finance de l’entreprise), le CRM Salesforce et vers l’outil de mailing. Développement des connecteurs API spécifiques. Migration de la transformation des données en SQL d’Airflow vers DBT (300+ requêtes SQL), formation des équipes à l’outil, développement et implémentation de tests et documentations. Définition de modèles de données et refactoring du graphe de dépendances pour séparer en couches claires pour faciliter la maintenance : sources, proxies, entités métier et tables de reporting (archietcture en médaillon) Développement de beaucoup de requêtes en SQL sur DBT et optimisation des performances (partitioning, stratégies incrémentales..) notamment sur les données marketing avec la migration de l’outil de tracking Google Analytics. Formation de la Data Analyst et du data engineer junior à l’architecture en place, aux bonnes pratiques SQL et de développement, versioning github. Review des Pull requests avant les envois en production et responsable de la maintenance de la production. Création de tableaux de bord quand la data analyst était trop occupée avec Looker Studio (ex Google Data Studio).

Development of the information system and services: - Development of the ETL architecture for collecting, transforming and storing cartographic data (GIS, POI collection) on an Airflow architecture with opening via REST and GraphQL APIs. Deployment on 2 Cloud services. - Programming of 3 websites with React.JS and JQuery for clients and internal data management tools. - Graph neo4j and no-sql MongoDB database - DeepLearning algorithms on satellite images Co-founder: - Set up the strategy with my associates, who were in charge of the commercial part and the collection of user needs. - Creation of the company on the legal level, management of the accounting and the administration. ANDYAMO is the first tourist guide dedicated to people with reduced mobility (motor disabilities, seniors & families with young children). We sell a travel itinerary generator to cities and towns. We generate these itineraries according to the user's level of mobility and interests from a database of accessible places to visit, restaurants and accommodation that we have collected. We also map the accessible road network to guide the user between two places. We are also working on the daily mobility in companies by mapping the places and an application allowing visitors to be guided when they arrive.

Unit Analytics & Information Management (AIM) which develops and implements Artificial Intelligence (AI) projects. - Development of machine learning algorithms on text (Natural Language Processing) for automatic mail classification in Python with Spacy, nltk and gensim. - Programming of an automatic invoice processing prototype with image text extraction algorithms (OCR) and with the text obtained from Named Entity Recognition algorithms (NER) with pytesseract and Spacy in Python. - Client mission to create ETLs (collection via scraping, pandas transformation and storage) and analysis of large volumes of data for a leading automotive company. Production and maintenance on AWS and GCP.

Startup specialized in hyper-spectral image capture from drones Development of a deep learning strategy for a pattern recognition application based on a miniaturized hyper-spectral sensor on a smartphone. - Use of Python and the Tensorflow library - Virtualisation of the data processing environment with Docker - Writing a report on possible use cases of Neural Networks for the startup