Jules Maurice Mugisha

Contexte : Contribution à la mise en place d’une plateforme data moderne basée sur une approche ELT avec DBT, permettant la transformation, la modélisation et la gouvernance des données à grande échelle dans un environnement Agile. Missions réalisées : – Conception et industrialisation des pipelines ELT avec DBT, en structurant les transformations (staging, intermediate, marts) et en assurant la maintenabilité du code. – Développement de modèles de données avec DBT (modélisation en étoile/flocon), déployés sur Snowflake et PostgreSQL pour supporter les cas d'usage analytiques. – Mise en place de la qualité des données via DBT tests (tests génériques et custom), garantissant la fiabilité et la cohérence des datasets. – Documentation et traçabilité des données avec DBT Docs, facilitant la compréhension et l'usage des modèles par les équipes métier. – Optimisation des performances des transformations DBT et des requêtes SQL sur Snowflake et ClickHouse (partitionnement, clustering, refactoring de modèles). – Automatisation de traitements complémentaires en Python (scripts, batch processing) intégrés aux pipelines data. – Déploiement et gestion des workloads data dans un environnement conteneurisé avec Kubernetes et Helm. – Participation aux rituels Agile (Scrum/Kanban) et collaboration avec les équipes produit pour traduire les besoins métier en modèles DBT robustes. – Encadrement des profils juniors sur les bonnes pratiques DBT, SQL et modélisation de données. Environnement technique : DBT, Snowflake, PostgreSQL, ClickHouse, SQL, Python, Airflow, Kubernetes, Helm, Git, Docker, Agile (Scrum/Kanban)

Contexte : Conception et évolution d’une plateforme data hybride avec une forte orientation cloud (AWS +Snowflake) visant améliorer la scalabilité, la performance et l’accessibilité des données pour les besoins de reporting et d’analyse financière dans le secteur de la réassurance, tout en assurant l’intégration avec des systèmes décisionnels existants (MSBI) dans un environnement Agile. Missions réalisées : – Conception et développement de solutions data sur Snowflake hébergé sur AWS, incluant la modélisation des données, la création de tables, vues et transformations en SQL. – Développement et orchestration de pipelines de données avec Apache Airflow, assurant la planification, la supervision et la fiabilité des traitements. – Automatisation de l'ingestion de données depuis des sources internes et externes via Apache Airflow et NiFi, avec intégration progressive des flux existants et des services AWS (stockage et intégration), garantissant la disponibilité et la scalabilité des flux. – Participation à la modernisation de l'écosystème data, avec migration progressive de certains flux SSIS/SSAS vers une architecture cloud sur AWS et Snowflake. – Modélisation de données analytiques adaptées aux besoins de reporting financier et actuariel. – Optimisation des performances des requêtes SQL dans Snowflake (gestion des warehouses, clustering, tuning) dans un environnement cloud AWS. – Conception de rapports et dashboards avec Power BI et SSRS, en garantissant la continuité des usages métier. – Utilisation de SSMS pour la gestion des bases SQL Server existantes et le support aux activités de migration et de maintenance. – Collaboration étroite avec les équipes métier pour traduire les besoins en solutions data fiables et évolutives. – Participation aux pratiques Agile (Scrum) : planification, suivi des sprints et amélioration continue. Environnement technique : Snowflake, AWS, SQL, Python, Apache Airflow, NiFi, SSIS, SSAS, SSRS, SSMS, Power BI, Agile (Scrum)