Jugurtha Cherfa

**TotalEnergies -Migration stratégique du référentiel client de Salesforce vers Databricks dans le cadre de la création d’un Référentiel Client Unique (RCU). -Analyse de l’existant dans Salesforce (SFDC) et modélisation du nouveau référentiel. -Contribution à la phase d’étude, à la modélisation des flux de données. -Automatisation de la pipeline d’ingestion et de traitement des données (Bronze, Silver, Gold) -Environnement : Databricks, AWS, Python ,SQL, Git **Michelin** - Développer une solution d'intelligence artificielle générative (GenIA) pour aider les développeurs Michelin à explorer rapidement des programmes en Cobol et Visual Basic anciens et très complexes - Exploiter les fonctionnalités GenIA de Snowflake comme cortex - Utiliser Streamlit pour créer des interfaces interactives et des visualisations dynamiques. - Déployer la solution à l'aide de Docker et des container services, assurant une mise en production fluide et efficace. **Crédit Agricole** - Diriger la stratégie d'accès aux données, permettant aux équipes métiers d'exploiter pleinement les données stockées dans Hadoop. - Mis en place des processus d'accompagnement et de formation pour les équipes métiers **Amazon** -Gérer une équipe de producteurs d'information pour soutenir un projet de développement d’un modèle d’IA Générative. -Travailler en étroite collaboration avec des équipes internationales **Allianz** - Concevoir une solution de gestion des groupes TVA pour Allianz, en utilisant des technologies de pointe dans un environnement Azure. - Assurer la robustesse et la fiabilité de la solution, répondant aux exigences financières strictes. **Carrefour** -Participer dans un projet de Proof of Concept (POC) pour Carrefour visant à développer une solution de détection de fraude à la caisse automatique. -Conception et développement de pipelines ETL pour l'extraction, la transformation et le chargement des données et implémentation d'algorithmes de Computer Vision

Interventions sur plusieurs projets data en tant qu’ingénieur et lead technique, avec une forte expertise sur l'écosystème Big Data Hadoop. Participation à toutes les étapes des projets : conception de l’architecture, développement, mise en production et collaboration métier. Gestion des impayés externes (GIE) : définition de l’architecture avec les architectes et les métiers, développement de la solution en PySpark, animation d’ateliers techniques et gestion des accès. Segmentation client : conception d’un moteur Spark de scoring et de catégorisation client, collecte et préparation des données, feature engineering, mise en production. Géomarketing (GEO) : développement de pipelines ETL pour agréger et enrichir des données géospatiales issues de sources internes et externes, avec alimentation d’un Data Warehouse. Facturation externe (SGF) : développement de traitements de collecte, nettoyage et agrégation des données de facturation client, mise en place d’un système d’alerte automatisé pour la détection de clients à risque. Pré-octroi de crédit (PREOCTROI) : élaboration d’un moteur de scoring de risque crédit via PySpark et machine learning, en partenariat avec les data scientists, avec industrialisation des pipelines de scoring. Analyse de mails (MFTD) : extraction et traitement des données issues d’échanges mail entre clients et conseillers, à des fins d’analyse des besoins, en collaboration avec les équipes métier. Environnement technique : Python, PySpark, Hadoop, Yarn, Hive, HDFS, Shell, GitHub, Oozie, Jenkins, Control-M, Jupyter, Maven, Visual Studio Code, Grafana, API internes

Participation au projet de détection de fraude en tant que membre de l’équipe data, avec des responsabilités couvrant la collecte, la transformation et l’industrialisation des données dans un environnement Big Data. Conception et développement d’un moteur automatisé de collecte de données issues de sources internes et externes. Définition de l’architecture des flux de données, des schémas de stockage et des étapes de transformation. Nettoyage, cartographie et transformation des données selon les règles de gestion métier. Développement de jobs ETL avec Talend, traitement des données sur HDFS via Hive et PySpark. Collaboration étroite avec les équipes métier, testeurs et intégrateurs pour assurer la qualité et la disponibilité des données. Contribution au projet d’automatisation du suivi des collectes pour améliorer l’efficacité opérationnelle. Environnement technique : Talend, Hadoop, HDFS, Hive, PySpark, Hue, Shell, Jupyter, Control-M

Participation au développement d’une plateforme interne de centralisation des applications métiers, facilitant l’accès à des outils validés et sécurisés. Contribution aux phases de conception, développement et tests, dans un contexte de délais courts. Maintien et évolution d’une application de suivi du comportement client en ligne, utilisée pour le retargeting publicitaire. Collaboration avec les équipes produit et techniques pour assurer la qualité et la stabilité des livrables. Environnement technique : Java, JavaScript, HTML, CSS, Angular, Git, Jenkins, Sonar, Eclipse, MySQL, AWS (DynamoDB, S3, CloudWatch)