Ilyass Bourkaik

Analyse des besoins métiers et techniques avec les équipes Data, BI et métiers afin de définir les flux de données et les cas d’usage analytiques. • Conception et développement de pipelines de données en Python pour l’ingestion, la transformation et la valorisation des données provenant de bases de données, APIs et systèmes internes. • Mise en place de workflows serverless avec Azure Functions et Azure Durable Functions pour orchestrer des traitements batch et gérer les dépendances entre pipelines. • Développement de traitements de transformation de données en Python (Pandas, Polars, PyArrow) pour manipuler et transformer des volumes importants de données. • Stockage et optimisation des datasets au format Parquet dans Azure Data Lake et Blob Storage pour améliorer les performances des traitements analytiques. • Implémentation de contrôles de qualité de données et validations de schémas (contrôle des types, complétude, cohérence) afin de garantir la fiabilité des datasets produits. • Intégration de données provenant d’API externes dans les pipelines de traitement via des connecteurs Python et des orchestrations serverless. • Conception et optimisation de la modélisation des données dans Azure SQL pour améliorer les performances des requêtes analytiques. • Mise en place de mécanismes d’observabilité des pipelines (logs structurés, métriques, suivi des exécutions) afin de faciliter le monitoring et le troubleshooting des traitements. • Industrialisation des développements via CI/CD avec Azure DevOps, incluant automatisation des déploiements, gestion des environnements et validation des builds.

-Identification et résolution de problèmes liés aux processus métier, ce qui a permis d'optimiser l'efficacité opérationnelle de l'entreprise -Analyse des processus métier et identification des opportunités d'amélioration -Participation à la mise en place d'un nouveau système de gestion des données -Collaboration avec les équipes techniques pour la conception et le développement de solutions informatiques -Formation des utilisateurs sur les nouvelles fonctionnalités et processus

-Analyse de données pour identifier les tendances et les modèles clés dans les données clients -Création de tableaux de bord interactifs pour visualiser les résultats des analyses -Mise en place de modèles prédictifs pour anticiper les comportements des clients