Irbouh Ryane

▪ Développement d’un dashboard centralisé en Python pour structurer et regrouper toutes les données de l’entreprise, améliorant leur accessibilité et facilitant leur exploitation. ▪ Mise en place d’un projet de contrôle qualité des données (Data Quality Check) utilisant l’API Bloomberg (Rest API) pour assurer l’intégrité et la fiabilité des données financières critiques. ▪ Automatisation des processus de traitement des données financières, réduisant significativement les temps de traitement et les coûts opérationnels grâce à des scripts performants en Python. ▪ Introduction d’une solution d’IA en local pour répondre aux exigences LCB-FT, en collaboration avec l’équipe conformité, garantissant également un traitement sécurisé des données sensibles. ▪ Collaboration interservices avec les équipes métiers et IT pour l’intégration et l’évolution de la plateforme SMARTCO, dédiée à l’analyse des produits financiers vanille et complexes, et à la génération de reporting quotidien.

▪ Automatisation du prétraitement des données : implémentation de techniques de transformation et de validation pour garantir la cohérence, la qualité et la fiabilité des données industrielles. ▪ Développement d’algorithmes de Machine Learning pour anticiper les variations de consommation énergétique, contribuant à une optimisation des processus et une meilleure gestion des capteurs industriels. ▪ Conception et déploiement de pipelines ETL (Extraction, Transformation et Chargement) pour traiter efficacement les données provenant des capteurs et systèmes industriels, améliorant ainsi leur accessibilité et leur exploitation. ▪ Collaboration interdisciplinaire : participation active aux échanges avec les data analysts et ingénieurs pour intégrer des solutions de data science adaptée aux objectifs opérationnels et aux contraintes métiers.