Francois ISSOH

Skills: Azure Databricks · Azure Data Factory · Azure DevOps Services · PySpark · Delta Lake · Continuous Integration and Continuous Delivery (CI/CD) · Git · Agile Contexte : Affecter dans l’équipe du secteur agriculture, l’objectif est de décommissionner les flux de données tournant sur SSIS, Azure Synapse via Dataflow vers Databricks, d’autre part d’assurer la qualité des données à travers l’analyse des stocks, des crédits aux fournisseurs et clients. Ingestion, traitement des données (SAP, Salesforce, JDE) via Synapse Analytics et collecte dans le DataLake  Le développement de notebooks de traitement des données sur DataBricks sous l’architecture médaillon  Développement d’une librairie contenant toutes les fonctionnalités traverses aux différents périmètres  Revue de code et implémentation des tests unitaires  Mise en place du pipeline CI/CD sur Azure DevOps en utilisant DataBricks Asset Bundle  Contribuer à la mise en place de l’Unity Catalog et de la gouvernance des données  Optimiser les performances, la réduction des coûts des traitements  Superviser la data quality couplée d'un système alert en utilisant Databricks SDK et Databricks Asset Bundle

Skills: Databricks · Git · Azure · Scala · DataBricks Asset Bundle · Gitlab · Agile Contexte: Développer des pipelines de données sur la base des spécifications fonctionnelles des métiers tout en garantissant le run des applications et le support des alertes remontées par ces derniers  Conception et modélisation des données au niveau d’un Data Lake (format Parquet, Delta table)  Développement des pipelines de données efficaces et évolutifs via Databricks  Construction et déploiement des rapports et dashboards Power BI sur la base BRD.  Contribution à la mise en place des pipelines CI/CD pour l’automatisation des build, test et déploiement.  Implémentation d’un système de Monitoring des données sources pour garantir l’exécution des pipelines.  Conception et implémentation de la purge des données

Skills: Python · Git · GitHub · Microsoft SQL Server · Machine Learning

Contexte: Ingestion des données de consommation d’énergie électrique des clients en temps réel dans le but d’effectuer de la détection éventuelle des fraudes.  Construire des pipelines de données pour collecter, enrichir des données en collaboration avec des data scientists afin de répondre aux exigences de la modélisation de données. (Spark, Hadoop, pyspark)  Analyser les données pour répondre aux questions métiers et participer à l’évolution de l’architecture Big Data (Hive)  Effectuer le chargement des données en streaming (Kafka) et en batch dans des bases Hive/ Postgres.  Réaliser les tests unitaires et tests d’intégrations et la connection avec jira (Gitlab, xray).  Optimiserez les traitements en termes de temps de réponse et de volume de données nécessaires