Ghislain Gripon

Le Groupe BPCE est le deuxième acteur bancaire en France dont il finance 20% de l'économie. Avec 100 000 collaborateurs, il est au service de 35 millions de clients dans le monde dans plus de 50 pays. En freelance, j'ai rejoint l'équipe des risques de marché afin de participer au calculateur MS MRP. Je développe les nouvelles fonctionnalités et évolutions selon le besoin métier. J’ai effectué les tâches suivantes : - Le développement des pipelines de données PySpark - Le test des évolutions et la qualité de code - L’estimation des points de complexité des différentes tâches - Le design et l’évolution de la Data Warehouse - L'intégration de nouveaux outils techniques, PowerBI et Elasticsearch Durant ma mission, les chiffres ont évolué : - Le coverage du code a augmenté de 50% - Le temps transfert de la donnée est passé de 1h30 à 30min - Le rythme de rafraîchissement des rapports est passé du journalier au temps réel Lien : https://www.groupebpce.com Compétences : Python, GCP, PySpark, SQL, CI/CD, PowerBI, Git, Jenkins, Docker, Kafka, BigQuery

Carrefour est la deuxième enseigne de Retail en France, fondée en 1959. L'entreprise a pour objectif de distribuer des produits alimentaires et non alimentaires de qualité à un prix juste. Carrefour a plus de 12000 magasins dans le monde et plus de 5000 en France pour un chiffre d'affaires de 94 milliards d'euros. J'ai rejoint l'équipe de la Plateforme Data pour développer les flux de données pricing internationaux de Carrefour. J'ai participé à la mise en place d'une plateforme européenne de données des centrales d'achats du groupe. Nous étions organisés en équipe de 10 personnes. Mon équipe était constituée de : o 6 data engineers, o 1 testeur, o 1 tech lead, o 2 product owner En tant que Data Engineer Python, j'avais pour responsabilité : o Développement et conception des pipelines de données o Gérer les permissions IAM sur GCP o Protéger les données personnelles, RGPD o Mettre à disposition en temps réel les données aux utilisateurs o Tester, Valider et mettre en production en CI/CD avec GitLab CI et Jenkins o Résoudre les problèmes en production o Répondre aux besoins ad-hoc du métier J’ai contribué aux évolutions suivantes : o La publication des fiches produits est passée de 8h à 30min o Les flux internationaux pour l'Espagne et l'Italie ont été déployés o La qualité de code a augmenté de 20% Voici le lien du site Internet de mon client : https://www.carrefour.com/fr/groupe/activites Contexte technique : Google Cloud Platform, DataProc (PySpark), PySpark, BigQuery, SQL, Python, Kafka, GitLab Actions (CI/CD), Kubernetes GKE, Airflow, Jenkins

TotalEnergies est fait un chiffre d'affaires de 263 milliards de dollars dans 130 pays avec plus de 100 000 collaborateurs et produit 2,5 millions de barils équivalent pétrole par jour. Dans le cadre d'une ESN, j'ai réalisé une étude d’impact de migration de GCP à AWS en forfait. Analyses des coûts et impacts métiers. Proposition d'une nouvelle architecture Cloud et analyse du FinOps.

Natixis est une filiale du groupe BPCE. En 2022, elle employait 16 000 collaborateurs pour un produit net bancaire de 9,2 milliards d’euros. J'ai rejoint l'équipe des risques de crédit afin de participer au calculateur prudentiel B2C pour une durée de 2 ans. Dans le cadre d'une ESN, j'ai fait évoluer le calculateur pour se conformer à la régulation et participé à la mise en place d'outils BI. Nous étions organisés en une équipe de 14 personnes. L'équipe était composée de : o 3 Data Engineers o 6 développeurs Java o 1 développeurs BI o 3 product owner o 1 chef de projet En tant que Data Engineer, j'avais pour responsabilité : o Le développement des pipelines de données Spark o Le test des évolutions et la qualité de code o L’estimation des points de complexité des différentes tâches o La mise en production des pipelines sur le serveur du calculateur o L'intégration de nouveaux outils techniques, Kafka et Indexima, à l'environnement o La mise en place du modèle de données analytics pour Power BI J'ai contribué aux évolutions suivantes : o Le temps de calcul a réduit de 2H à 1H30 o La qualité de code a augmenté de 15% o La vitesse de chargement des rapports est passé de 15min à 5s o Les tous derniers critères Bâle ont été intégrés au calculateur Voici le lien du site Internet de mon client : https://www.groupebpce.com/ Contexte technique : Python, PySpark, SQL, Git, CI/CD, Kafka, Hive/Hadoop, Jenkins, Docker, Power BI, Bash

Micropole est une société de conseil et de service numérique qui accompagne des grands comptes comme la Société Générale, BNP Paribas, TF1, ENGIE, TotalEnergies, LVMH ou encore Bayer. Fort de ses 1200 salariés dans 14 agences en Europe et en Chine, la société réalise un 135m€ de CA. J'ai rejoint l'équipe Cloud & Data afin d'y développer une solution interne d'ETL sur le cloud. Nous étions organisés en squad de 8 personnes. Ma squad était composée de : o 2 Data Engineers o 4 développeurs python o 1 product owner o 1 testeur En tant que Data Engineer, j'avais pour responsabilité : o La collecte et l’exploration des données o Nettoyage des données o Développement modulaire de l’application sur le cloud AWS o Conception du schéma de données pour la visualisation o Développement d'une architecture évènementielle o Construction des dashboards pour visualiser les KPIs choisis J'ai contribué aux évolutions suivantes : o L'atteinte de deux étapes majeures de la roadmap o La réduction du nombre de bugs de -20% o La vitesse de traitement des données a augmenté de +15% o La qualité de code a augmenté de +10% Voici le lien du site Internet de mon client : https://www.micropole.com/micropole-en-bref/ Contexte technique : Amazon Web Services, Python, SQL, CI/CD, PostgreSQL, Git, S3, Lambda, Redshift, Power BI