François HU

Architecture DataMesh & GenAI — GCP / S3NS / Azure • Migration complète de SAS vers GCP des workflows RH avec Dataform vers cloud souverain S3NS (GCP x Thalès) + Création Dashboard Looker sécurisé et RLS • Optimisation FinOps : réduction de 40% des coûts cloud • Migration GA3’GA4 : rétro-ingénierie complète des KPIs marketing avec maintien de la continuité analytique sur Looker • AI : RAG full GCP (Vertex AI / Cloud Run / Streamlit) — vectorisation, prompt engineering, accès granulaire, score qualité ~9/10 • AI : POC Azure OpenAI — évaluation comparative LLM-as-a-judge vs Gemini • AI : Build MCP server sur Cloud Run et branchement sur Agents Copilot / ADK • Pratique DevOps : Infrastructure as Code (Terraform) + CI/CD (GitHub) + sécurisation données sensibles RH (S3NS/Thalès) et RLS.

Expert Data Engineer ayant conduit avec succès des missions variées pour divers clients, en environnement multicloud (GCP, AWS) et on-premise. Maîtrise des architectures hybrides et des problématiques de migration de données, avec une forte capacité d'adaptation aux contextes techniques spécifiques de chaque client

☁️ Data Engineer GCP ☁️ Migration from SAP S/4HANA to full GCP managed services for serverless/scaling solutions : ♦ Mise en place d'une architecture DataMesh facilitant la collaboration et le partage de données entre équipes supply chain, finance et manufacturing ♦ Conception d'intégrations API via Cloud Run, garantissant une visibilité complète sur la chaîne d'approvisionnement ♦ Implémentation de pipelines data automatisés avec CI/CD, accélérant le déploiement des nouvelles fonctionnalités analytiques ♦ Optimisation des requêtes BigQuery (partitionnement, clustering), améliorant performance et coûts des analyses supply chain ♦ Création de tableaux de bord PowerBI connectés à des modèles en étoile, transformant les KPIs supply chain en insights actionnables pour les décideurs

L'Étudiant (média) | Solution de monétisation data : ♦ Conception d'un datawarehouse centralisé sur GCP unifiant diverses sources de données étudiantes, créant une vue unique client à forte valeur commerciale ♦ Développement de pipelines ETL automatisés via Airflow/Cloud Composer, garantissant une actualisation fiable et constante des données critiques ♦ Mise en place d'un processus complet d'intégration vers la plateforme marketing Selligent, transformant les données brutes en opportunités de revenus ♦ Implémentation d'un référentiel de données standardisé avec procédures stockées optimisées, réduisant les incohérences et les temps de traitement ♦ Résolution proactive des défis d'infrastructure GCP, assurant une disponibilité maximale des services data essentiels à la monétisation

Projet DIAMANT - Data IIoT économisant 20M€ ♦ Conception d'un Datalake industriel optimisé pour l'IIoT, générant 20M€ d'économies via l'analyse prédictive des données de production ♦ Développement de pipelines ETL haute performance sur AWS Glue (Python/PySpark), transformant les données brutes JSON en insights actionnables ♦ Implémentation d'une architecture event-driven (SQS, SNS, EventBridge) assurant une réactivité optimale du système face aux événements critiques ♦ Automatisation complète des workflows via Step Functions, éliminant les interventions manuelles et réduisant les risques d'erreur ♦ Mise en place d'un système de monitoring temps réel permettant la détection anticipée des anomalies de production ♦ Création d'un cadre opérationnel standardisé pour les équipes d'ingénierie, accélérant l'adoption et garantissant la gouvernance des données industrielles

Crédit Agricole | Solution d'analyse RH Développement d'un datamart spécialisé en environnement hautement sécurisé, révélant les parcours carrière optimaux Transformation des données RH brutes en insights actionnables pour les décideurs via Python/Pandas Implémentation d'un système de traçage carrière respectant les contraintes bancaires de confidentialité

Affinage du projet de la personnalisation et recommandation de produits – Analyse du comportement client -Etude d’opportunité sur la création d’une segmentation pour animer le CRM -Etude sur les clients ayant une géolocalisation/adresse IP -Etude sur les habitudes d’achats + étude économétrique sur l’appartenance à l’univers enfant -Réalisation de maquette de Dashboard unique afin d’illustrer les besoins de KPIs et les centraliser Outils : GCP BigQuery, Google Data Studio (Looker studio), GCP AI Platform

- Programmation Python orientée objet - Big Data Volume (Hadoop & Hive, Spark, Hbase) & Streaming (Kafka, Spark Streaming) - CI / CD (Github) - Automatisation et Déploiement (FastAPI, Airflow, Docker, Kubernetes)

Dans le cadre de l’analyse du comportement client et de l’amélioration de la relation clientèle : - Etudes économétriques (souscriptions, résiliations etc.) - Modélisation de séries temporelles - Développement de modèles de Machine Learning (prévisions d’activités des centres de relation client) - Amélioration des modèles ML existants - Développement application web R Shiny (interface user-friendly pour les prévisions) - Automatisation de reporting - Restructuration de reporting excel en base de données exploitable pour Power BI - Construction/refonte KPI, définitions et reporting (Power BI) - Entretien des scripts (debug, MAJ, automatisation, documentation, etc.) et passage des scripts R vers Python - Suivi quotidien/hebdomadaire/mensuel des KPI Logiciel : Langage R, R Shiny, SQL, Python, Power BI, VBA Excel

Représentant du nouveau contrat « CDI étudiant » au poste de Chargé d'Assistance (Constructeur/Loueur, Habitat, Santé, Médical)