Jordan Sportes

– Conception de pipelines de données distribués en PySpark (Databricks) et optimisation de traitements légers en Polars. – Industrialisation de workflows data orchestrés via Apache Airflow. – Mise en place d'une architecture data sur AWS avec gestion des données via Unity Catalog. – Déploiement de traitements Polars sur Kubernetes pour améliorer performance et scalabilité. – Implémentation de tests automatisés (unitaires et intégration) et de contrôles qualité avec Great Expectations. – Conception d'une CI/CD data basée sur GitHub Actions. – Optimisation de flux complexes (traçabilité : 50 millions de records / jour). – Stack: Python, PySpark, Polars, Databricks, Airflow, AWS, Kubernetes, CI/CD.

– Interface directe avec le métier : compréhension, priorisation et traduction des besoins sans Product Manager. – Classification retard livraison basée sur la mise en place de règles de root cause. – Prédiction évolution stock dans le temps. – Stack: Python, Snowflake, Databricks, Azure.