FOTIE Koffi Dramane

Missions principales : Conception et déploiement de pipelines de données robustes et d’outils d’analyse BI intégrés, afin d’assurer la fiabilité et la pertinence des indicateurs métiers. Concevoir et déployer des pipelines de données sur Google Cloud Platform (GCP) afin de répondre à des besoins stratégiques métiers. Ingestion des données dans Google Cloud Storage (GCS) et chargement dans BigQuery. Transformation, modélisation et optimisation des performances des jeux de données dans BigQuery. Orchestration et automatisation des flux de données avec Apache Airflow. Nettoyage, manipulation et préparation des données via Python et SQL. Analyse et exploration des données dans BigQuery pour adresser des problématiques Business. Construction, évaluation et déploiement de modèles de Machine Learning directement dans BigQuery ML. Réalisation d’inférences et exploitation des résultats à des fins de prise de décision. Application de bonnes pratiques GCP pour optimiser les coûts et la performance. Business Intelligence (Power BI) : Importation et intégration de données issues de différentes sources dans Power Query. Nettoyage et transformation des données à l’aide des outils de Power Query Editor. Conception et optimisation de modèles de données relationnels adaptés aux besoins métiers. Création de mesures DAX avancées (fonctions complexes, patterns réutilisables). Développement de rapports et tableaux de bord interactifs sous Power BI Desktop. Utilisation de Power BI Service : gestion des espaces de travail, création et publication d’applications et de tableaux de bord partagés.

- Migration des données des différentes sources de données vers GCP - Conception et développement de solutions BI

Missions : -Projet VACCIN : collecte et nettoyage des données, analyse exploratoire des données, détection (apprentissage non-supervisés) et prévention (apprentissage supervisés) des incidents, prévention de la gravité des incidents, développement d’une application de prévention de la gravité des incidents en Python -Amélioration de la solution GIC : spécifications fonctionnelles et technique, développement en Python, tests automatisés, recette et mise en production

Objectif: Amélioration de la qualité des estimations des temps de parcours. - Nettoyage des données - Identification des classes - Détection d’anomalies - Prédiction - Amélioration des estimations en prenant en compte le retard observé aux arrêts précédents - Calcul du retard moyen à partir du temps réel et du temps théorique - Prédiction des arrêts « potentiellement retardé important » et « retardé léger » - Détection automatique des jours fériés ou des jours de trafic inhabituel - Détermination du nombre de clusters géographiques (algorithme de clustering par décalage moyen) - Utilisation des clusters pour l’amélioration supplémentaire du temps immédiat - Calcul du retard moyen pour chaque quart d’heure de la journée en vue de l’amélioration de l’estimation - Rédaction de la documentation Environnement Technique: Python, Google Colab, GPU Runtime, Pack Office (PowerPoint, Excel)

Analyse fonctionnelle. Rédaction du cahier des charges. Recherche d’information technique pour l’interfaçage