Fouad Ben

Assister les managers de trois projets des entités Engineering, Quality et Finance. En proposant des solutions d'architecture de données modernes, aider les ingénieurs de données à s'adapter à la complexité. Collaborant avec les équipes de gouvernance de données, l'objectif est d'aligner l'entreprise sur la politique du groupe. • Mener des ateliers de travail avec les VPs et les FDMs afin de définir le processus opérationnel du domaine (Engineering, Quality, Finance) et le flux de données. • Soutenir le Functional Data Manager pour définir les Business Objects et la Roadmap d'ingestion des données • Définir les spécifications du flux de données du système source vers le DWH • Prendre en charge le Backlog avec le Scrum Master pour réaliser les user stories et la planification des sprints, en termes de besoin et livrables • Collaborer avec les techs lead de chaque squad pour résoudre les pain points et assurer la livraison des jalons. • Définir et mettre en œuvre le processus de qualité des données avec les différents parties (data governance, architects, Business managers) • Rédiger les Scénarios de Tests sous Jira pour valider les fonctionnalités de chaque sprint • Faire le support auprès des utilisateurs finaux pour les incréments livrés • Travailler sur la documentation fonctionnelle des dashboards avec un esprit HowTo afin de clarifier l’utilisation des dashboards Livrables : • Spécifications, documentation, cas de tests • Rédaction des user stories, backlog refinement et priorisation de la roadmap Environement technique : • Data Modeling, databases, DataMarts, Data Governance, Data Security, BI tools, ETL Solutions, Data Science, DataOps, MLOps. • Talend, DataGalaxy, SSAS, Power BI, Ms SQL Server, MinIO, Kafka, Trino, ELK

Migration des flux valorisation de font depuis dollar Universe vers Airflow. • La conception et développement d'un framework principal d'orchestration basé sur Airflow et les couches Java Spring. • L'adaptation et migration des processus actuels. • L'implémentation et développement des règles de gestion fonctionnelles. • L'intégration des différents framework interne SG (authentification, gestion des habilitations, monitoring, workflow...). • L'implémentation des piplelines de CI/CD sur l'ensemble des features. • La mise en place de tests automatisés et suivi des pratiques de développement Craft (TDD, BDD, Clean code...) lors des implémentations. Livrables : • Description des livrables : code, documentation, revue de code • Rédaction des user stories, backlog refinement et priorisation de la roadmap Environement technique : • Java 8, JPA, Spring (boot, data, security...) • AirFlow/Python - JSON - Jenkins/git/sonar - Postgre/Oracle/SQL • Docker/Kubernetes - Elastic Kebana.

Pôle ITIM (Operationnal Data Hub) RAF de la Migration des collectes BDH (Plate-forme Hortonworks (ancienne plate-forme) + cluster ELK) vers LUCID / Evolutions (Plate-forme Cloudera (nouvelle plate-forme)). Missions et Tâches : • Reprendre des scripts d’accès à des buckets S3 AWS ou des API depuis BDH pour les mettre en place sur Lucid. • Mise en place de la solution sur LUCID : Développements et livraisons de la solution • Reprendre des traitements Streaming développés par d’autres services pour les intégrer dans notre chaine Streaming standardisée / Finaliser la migration d’autres chaines streaming • Prise de contact avec les émetteurs pour synchronisation sur les bascules de gestion vers Kafka LUCID et autres composants Maintenir un point régulier d’avancement avec le responsable de l’entité CLK et les architectures Big Data Livrables : • Description des livrables : code, documentation, revue de code • Composants de collectes (scripting, ...) • Modes opératoires des services de collectes • PV de recette des services de collectes • CR d'avancements des services migrés sur Lucid Environement technique : • Hive, Jenkins, Kafka, Scala, Scripting (GitHub, Ansible, AWX, shell) • AirFlow/Python - JSON - Jenkins/git/sonar - Postgre/Oracle/SQL • Docker/Kubernetes - Elastic Kebana.

Contexte : le contexte du projet était sur la gestion budgétaire sur le portail d’anticipation des budgets, le contrôle budgétaire par la vérification des objectifs client et Prévision budgétaire Missions et Tâches : ● Scripting Shell pour manipuler les traitements systèmes ● Configuration et déploiements de kubernetes Pods avec des config YAML ● Développement et prototypage sur des jupyter notebooks avec les packages ML/Data Science Python ● Appliquer une brique de Data Analysis permettant de prendre des décisions, faire des prédictions et penser des solutions. (Analyse prédictive). ● Réalisation d’un modèle deep learning (ANFIS Model) pour la prédiction budgétaire. ● Création de cluster HDP v3.0 • Implémenter le Tuning des performances pour YARN, Hive, Hive on Spark. • Implémenter l'allocation Static et Dynamique. • Sécuriser le cluster par Kerberos, TLS/SSL. • Activer la haute disponibilité pour HDFS, YARN, HIVE et HUE. • Développer des applications Spark en Scala. • Créer des Workflow Airflow. • Migration des workflows data classiques vers DAGs airflow. • Développer des UDFs Hive. • Monitoring sur les clusters, les applications, les workflows airflow • Administration et gestion de cycle de vie (dimensionnement, configuration, sécurisation, tuning, mise en HA) de clusters Hadoop (Hortonworks). Environnement Technique : Kubernetes, Docker, Python, Scala, HDP, Spark, Airflow, YAML, SHELL.

Contexte : L’ordre de la mission s’inscrit dans le cadre du Marketing Digital, l’objectif c’était de concevoir et créer les data pipelines des données digitales et supporter l’équipe data science en matière data pour leur réalisation de projet. Missions et Tâches : En tant que Manager de l’équipe data science : ● Développement d’un système de détection du logo sur image. ● Données provenant de elasticSearch et visualiser les résultats sur Kibana. ● Web Scraper & Crawler Backend ; indexation et grattage des données du Web. ● Indexer et rechercher les articles de news multilingues sur le Web. ● Extracteur de données non structurées en temps réel. Une centaine d’articles qui proviennent de sources multiples, d'un comportement varié et de formats différents (textes, graphiques, tableaux). (Traitements Big Data). Environnement Technique : Docker, Python, Apache Spark, Hive, ElasticSearch.

Contexte : Création d’une solution de reconnaissance audio from scratch en utilisant des algorithmes d’apprentissage statistique basé sur la DSP (Digital Signal Processing) Missions et Tâches:  Mise en place d’une solution de reconnaissance audio comme Shazam: application sur les spots publicitaires.  Indexation, Extraction et Analyse de données quotidiennes : Radio, Télé, Presse. ● Viewer pour la visualisation graphique de données traitées sur des charts permettant de préciser facilement les facteurs d’entrée par un DataSet extensible, modifiable pour chaque type de calcul. (Traitements DataViz). Environnement Technique : Kubernetes, Docker, Python, Hadoop, Apache Spark, YAML, SHELL.

Missions et tâches réalisées: • Création de tableaux de bord et rapports avec Cognos • Conception et implémentation d’entrepôts de données et cubes • Mise en place d'un SI BI interne : o Spécifier les besoins et formaliser les règles de gestions. o Développement d'une API spécifique pour se connecter au Serveur SOAP. o Intégrer les données source CRM et ERP avec Talend/Talend ESB. o Créer des rapports, des tableaux de bords et Data Analysis Expressions "DAX" sous Ms PowerBI. o Documentation/ Formation • Mettre en place un DataWarehouse/DataMart : o Etudier, Concevoir et Modéliser un schéma multidimensionnel. o Développer avec SSIS des traitements d'extraction et d'alimentation DataMart/Datawarehouse. • Tests techniques / fonctionnels • Tests unitaires • Intégration continue avec Jenkins • Suivi des tâches, ticketing Environnement Technique : IBM Cognos, Talend DI, Talend ESB, Ms Power BI, SOAPREST WebService, PostgreSQL