Florian Vandini

Dans le cadre du développement d’un produit Martech en forte croissance, j’ai occupé le poste de Data Engineer au sein d’une équipe technique dédiée. Mon rôle consistait à concevoir et déployer de nouvelles fonctionnalités d’activation marketing, tout en assurant la mise en place de pipelines de données fiables, performants et scalables à long terme. 💻 Tâches principales : Développement et industrialisation de mécanismes d’activation (intelligent bidding, scrapping) sur des plateformes telles que Google Ads, Bing Ads et SA360. Refactorisation du code selon les best practices (architecture de code Orientée Objet, normes de qualité, linting, tests). Refonte complète des workflows d'extraction et de traitement des données marketing volumineuses sous contraintes d'API externes (Google Ads API, Google Suggestion). 📈 Résultats : Amélioration significative de la maintenabilité du code via une standardisation (Black, Pylint, coverage). Réduction des temps de traitement des données marketing grâce à l’optimisation des pipelines. Fiabilité accrue des flux analytiques, facilitant la prise de décision pour les équipes métiers. 🛠️ Technologies utilisées : DBT, Google Cloud Run, Google Ads API, Bing Ads, SA360, Python, Black, Pylint, test coverage.

Au sein d’une équipe de 15 collaborateurs à l’IT Recherche et Innovation du groupe L’Oréal, j’ai occupé un rôle clé de Data/Cloud Engineer, contribuant à la transformation de la Beauty Tech Data Platform (BTDP), une infrastructure centrale pour la gestion et la mise à disposition des données au sein du groupe. Ma mission s’est concentrée sur la migration vers une solution Cloud complète et sur l’optimisation des processus de gestion de données. 💻Tâches principales : • Migration vers le Cloud : Conception d'une plateforme Cloud avec Infrastructure-as-Code et CI/CD. Développement d'opérateurs et de DAGs Airflow pour l'orchestration et la transformation des données en ELT. Migration des flux Talend/Hadoop vers Python/GCP pour plus de scalabilité. • Access Management : Mise en œuvre d’une solution ABAC (Attribute-Based Access Control) pour la gestion sécurisée des accès, incluant la sécurité au niveau des données (Row-Level Security). • Amélioration continue : Travail en méthode Agile pour optimiser les fonctionnalités et l’intégration continue. Mise en place de mécanismes de monitoring pour assurer la performance et sécurité de la plateforme. • Migration Full Cloud : Extraction de jobs on-premise vers le Cloud, et refonte des backends API (Flask/ApigeeX vers FastAPI/Apigee Edge) pour une architecture plus rapide et sécurisée. • Outils internes : Contribution à un outil interne pour automatiser le déploiement de solutions Cloud à grande échelle et création de scripts pour la détection de fuites de données. 📈Résultats : • Migration de 600 pipelines de données et 8 APIs vers le Cloud, assurant une meilleure sécurité et disponibilité des données. • Sécurisation des accès pour 5 000 utilisateurs de la Recherche et Innovation. • Optimisation des processus de traitement et réduction des coûts d'infrastructure. 🛠️Technologies utilisées : GCP, Python, Airflow, Workflows, REST API, Cloud Run, Docker, Terraform, ABAC, SQL, Looker Studio, Power BI, Agile.

Dans le cadre de la création d'une plateforme de données en temps réel dédiée aux jeux vidéo en ligne, j’ai contribué à la conception et au développement d’une architecture analytique permettant le traitement et l'analyse instantanée des données de jeu. 💻Tâches principales : • Conception de la plateforme ELT en temps réel : Création d’une solution Cloud permettant le chargement, l'analyse et la mise à disposition des données en temps réel, garantissant ainsi une expérience utilisateur fluide et réactive. • Développement d'un modèle Python Apache Beam : Mise en place d'un pipeline de données performant et scalable, permettant un aiguillage et une transformation optimisés des données. • Développement de vues et modèles LookML : Conception et mise en place de vues et de modèles dans Looker, facilitant l’accès aux données et la création de rapports analytiques dynamiques pour les équipes métiers. 📈Résultats : • Intégration de milliers d’évènements par seconde vers des tables structurées, offrant des insights instantanés pour améliorer l’expérience utilisateur et les performances du jeu. • Amélioration de la scalabilité et de la gestion des données grâce à l’utilisation de technologies Cloud. 🛠️Technologies utilisées : GCP, Python, Apache Beam, Dataflow, Pub/Sub, BigQuery, SQL, Looker, LookML, Agile.

En tant que Data Engineer, j’ai participé au développement, à la maintenance et au déploiement de l’offre pré-packagée « Customer Analytics », une solution clé en main permettant d’analyser et d’optimiser l’expérience client pour diverses entreprises. 💻Tâches principales : • Développement du moteur d’intégration de fichiers : Conception et développement d’un moteur Python pour automatiser l'intégration et la gestion des données provenant de diverses sources, garantissant un flux de données fiable et efficace. • Transformation des données : Rédaction et optimisation de requêtes SQL pour la transformation des données, permettant une analyse approfondie et des insights pertinents sur le comportement client. • Tableaux de bord génériques : Développement et maintenance de tableaux de bord Google Data Studio, offrant aux utilisateurs des visualisations dynamiques et des analyses faciles à interpréter. • Mise en place chez les clients : Installation et customisation de la solution « Customer Analytics » chez plusieurs clients de renom (Aquarelle, Boulanger, Bricomarché, Century 21, Jules, Lacoste, Solo Invest, Yves Rocher, etc.), en adaptant la plateforme aux besoins spécifiques de chaque entreprise. 📈Résultats : • Amélioration de l’accès aux données et de la prise de décision grâce à des outils de visualisation performants. • Mise en œuvre réussie de la solution chez des clients variés, permettant à chaque entreprise de mieux comprendre et exploiter ses données clients. 🛠️Technologies utilisées : GCP, Python, Cloud Compute, BigQuery, SQL, Google Data Studio, Agile.

En tant que Data Analytics, j’ai assuré la TMA (Tierce Maintenance Applicative) pour les solutions Qlik d’un client anglophone. Mes responsabilités incluaient la gestion du support, le monitoring des flux, ainsi que le développement de nouvelles fonctionnalités. 💻Tâches principales : • TMA de la solution QlikView : Gestion de la maintenance et de l’évolution de la solution QlikView, en veillant à son bon fonctionnement et à son adaptation aux besoins des utilisateurs internes. • Support anglophone : Prise en charge du support technique et fonctionnel pour les utilisateurs basés aux USA et au Royaume-Uni, en assurant une réactivité optimale et la résolution rapide des incidents. • Modélisation des données en format QVD : Conception et gestion des modèles QVD pour garantir une gestion efficace et performante des données dans QlikView. • Monitoring et optimisation des performances : Mise en place de mécanismes de surveillance continue des performances de la solution et optimisation des processus pour améliorer la réactivité et l’efficacité des rapports. 📈Résultats : • Amélioration continue de la performance des solutions Qlik grâce à des ajustements ciblés et des optimisations techniques. • Augmentation de la satisfaction des utilisateurs avec un support réactif et personnalisé pour les équipes US et EMEA. 🛠️Technologies utilisées : Qlikview, QlikSense, Qlik NPrinting, SQL, Mantis Bug Tracker.