Léon GBAMELE

– Suivi, Analyse Technique, Développement et Mise en place des KPIs Métier d'un peu plus de 500 agences commerciales (Bureaux et Courtiers) et d'une centaine d'inspecteurs commerciaux pilotant l'activité comptable, commerciale et financière des produits d'assurance divers (Auto, Spatial, Retraite, Prévoyance, Santé). – Avec pour support, les outils de Restitution Buisiness Object et une application WEB spécifique. – Les données étant gérées dans un datamart ORACLE via l'ETL Datastage 11.7 (PX et SRV). – Implémentation de solutions techniques supprimant les goulots d'étranglement recensés dans des flux datastage de la cartographie applicative du Centre de Service du DECISIONNEL. – Développement de solutions ETL répondant à diverses interrogations d'agents et d'inspecteurs commerciaux et comptables et financiers et livraison de celles-ci à une équipe d'exploitation basée sur l'Inde – Modélisation, mise en place et maintenance de projets Datastage prenant en comptes de nouveaux KPIs nécessaires au pilotage de la vente de nouveaux produits d'assurances – Assistance du métier et Prise en compte de ses nouveaux besoins – Implémentation de modèles de données (Relationnelle et en étoile) et traitements découlant d'analyses de projets divers débouchant très souvent sur la mise en place de nouvelles méthodologies de travail ayant pour conséquence d'asseoir de nouveaux outils facilitant le développement d'applications DATASTAGE – Rédaction de spécifications techniques faisant vivre un WIKI collaboratif pour l'équipe du DECISIONEL – Mise à disposition d'outils génériques réutilisables avec Datastage puis formation de l'équipe du centre de service sur leur utilisation – Refonte d'applications DATASTAGE existantes en vue d'intégrer dans celles-ci, des modèles de données de dimensions à évolution lente (ou Slowly Changing Dimension « SCD ») SCD2 + SCD3 + SCD6

– Modélisation et mise en Place d'un datamart permettant de détecter la suspicion d'activités clientèles de la banque. Cela pour lutter contre les évasions fiscales de citoyens et résidents américains possédant des actifs financiers en dehors des États-Unis par le biais de la réglementation FATCA (Foreign Account Tax Compliance Act). – Un datamart similaire a également été mis en place pour héberger des données relatives au développement d'échange automatique d'informations entre pays membres de l'OCDE (Organisation de coopération et de développement économiques) afin de garantir une plus grande transparence fiscale au travers de la réglementation CRS (Common Reporting Standard). – Les tâches suivantes ont par la suite été réalisées pour la bonne gestion de ces datamarts : – Modélisation de traitements paramétrables permettant un contrôle des clients et prospects de la banque – Mise à disposition de packages PL-SQL proposant des rapports de contrôle au métier – Conception et Mise en place d'un datamart en étoile avec prise en compte des dimensions à variation lente SCD2 pour toutes les relations de gestion, soubassement d'un projet important du service KYC (Know Your Customer) : Réglementations CRS (Common Reporting Standard) et FATCA – Conception et Développement des flux Datastage PX conséquents, Rédaction du dossier technique puis Implémentation des processus dérivant de la réglementation CRS : – Détection journalière des indices de suspicions légitimes des clients de la banque : Changements d'adresses fiscale à l'étranger (indice fort), Nouveau numéro de téléphone à l'étranger (indice faible) et virement permanant à l'étranger (indice faible) – Déclencheur du calcul des statuts (In Review/In Review, Standard/Private Individual, Standard/Undocumented) des clients CRS et/ou non-CRS – Prise en compte automatique des changements induits par la remédiation effectuée par le Business sur les résidences fiscales et/ou les statuts et états rapportables au FISC de clients, données de la banque – Analyse de cas spécifiques, en production, découlant de statuts jugés incorrects par le Métier – Encadrement et/ou accompagnement d'un pool de développeurs de l'équipe basé en Inde – Livraison par l'outil Service Now, des packages Datastages et Oracle.

– Modélisation et mise en Place d'un datamart hébergeant des indicateurs métier, relatif à la bonne tenue de portefeuilles et à une meilleure politique de recouvrements, primes et sinistres afférant aux clients de Generali-France. – Alimentation du datamart via l'ETL Datastage (PX et SRV). – Lead Technique dans la conduite d'un projet nouveau : Centralisation des flux Primes, Sinistres et Variations de portefeuilles des clients pilotés par les DOM-TOMs au sein d'un même entrepôt de données : – Conception et implémentation d'une Base de Données relationnelle (ODS) et d'un datamart (en étoile) prenant en compte les données de références, primes, sinistres et variations de portefeuilles liés aux clients. – Rédaction de spécifications techniques détaillées de tous les flux d'alimentation (sources et cibles aux formats divers : Excel, fichiers plats, fichiers XML, Données de Bases de Données) – Définition d'une stratégie d'alimentation prenant en compte les diverses erreurs possibles (Cette stratégie permet de localiser les erreurs techniques et fonctionnelles) – Réalisation des traitements mensuels d'ingestion des données (via l'ETL Infosphere Datastage 11.3) et de la mise au point d'un automate de reprise des flux de données antérieures à 2019. – Optimisation des Bases de données Oracle par l'implémentation des partitions, des indexes globaux et locaux sur des tables jugées critiques – Maintenance de rapports SAP Business Objects – Déversement de données oracle dans un datalake par des traitements spécifiques shell encapsulant l'outil SQOOP de l'écosystème Hadoop. – Rédaction des documents d'exploitation projet et livraison par l'outil SERENA, des packages Datastages et Oracle.

– Audit, Expertise et Conseil dans des projets menés en parallèle chez AGIRC et ARRCO, LOCCITANE et HERMES. – Chez L'OCCITANE (Décembre 2016–Mars 2017) : Analyse de jobs Datastage PX et Server afin de décrire le fonctionnement de certains traitements à reproduire avec la solution BIGINSIGHT. – Mise en œuvre d'un «Proof of Concept» consistant à intégrer, en parallèle, un ensemble de documents aux formats divers et variés (XML, Texte) dans un datalake avec la solution BIGINSIGHT d'IBM (solution intégrant INFOSPHERE DATASTAGE, le cœur d'Apache HADOOP et BIG SQL un moteur SQL permettant d' interroger les données stockées dans un cluster Hadoop). – Présentation du POC au client. – Chez AGIRC et ARRCO (Octobre-Novembre 2016) : Audit du système de réplication de données existante (Solution asynchrone faite avec Datastage et script SQL). – Etude des solutions CDC (change data capture) capable de traiter au minimum 1TO de données et de faire communiquer des systèmes maitres (sources) et esclaves (cibles) sur un réseau étendu. – Proposition de solutions prenant en compte les problèmes diagnostiqués (Changement de structure des données sources, espace de stockage requis trop important, perturbation de la réplication si suspension puis reprise, impossible de transformer les données à la volée sur le système cible au cours de la réplication, impossibilité de répliquer en temps réel). – Chez HERMES (Juin – Septembre 2016) : Remédier au mauvais départ d'un projet TALEND en procédant à sa variabilisation complète. – Donner de bonnes bases de travail à une équipe de développeurs sur les processus d'ingestion de données en leur rédigeant des normes de développement et des conventions de nommages. – Début de pratique d'agilité par le rassemblement d'équipes appartenant à la même entreprise dans un même espace de travail. – Remodelage des traitements mal conçus (Transformer des jobs Map Reduced en jobs DI et vice versa).

– Alimentation de Datalake et de Datawarehouse pour le Suivi d'indicateurs métiers relatifs aux assurés de produits GROUPAMA. – Définition d'une stratégie pour l'alimentation d'un datawarehouse, implémenté sous Oracle, à partir d'un datalake au moyen des ETLs Informatica, Pig et du framework Spark-Scala – Mise en place d'un automate générateur shell de codes PIG et de schémas JSON décrivant des fichiers de données (au format AVRO) déposés dans un datalake au moyen des outils SQOOP et CDC Oracle Golden Gate – Finition des programmes PIG générés, exécution de ceux-ci en vue de nettoyer les données brutes non qualifiées du datalake puis intégration des données obtenues dans une base HIVE devant servir de point d'appui à des process Spark destinés à alimenter les tables d'un datawarehouse – Modélisation des traitements d'ingestion des données liées aux activités de banques et d'assurance et découlant des spécifications fonctionnelles (définition des algorithmes). – Traduction, sous SQL, du modèle de traitement obtenu et définition d'un prototypage d'intégration en script HQL – Traduction sous Spark-SQL des scripts Hql dégagés (Spécification claire des objets de programmation [Champs, Méthodes et Fonctions]) – Coaching d'une équipe de développeurs (pour la maîtrise d'un environnement HADOOP et de son écosystème) – Présentation des solutions validées au client

– Etude du comportement des visiteurs du site PagesJaunes.fr afin de leur pousser des solutions et produits personnalisés pouvant booster leur activité commerciale – Volet BI Standard (2009 – Octobre 2014) – Mise en place d'une bibliothèque d'outils Datastage (routines et jobs réutilisables) assurant la standardisation et l'efficacité des développements en rapport à toutes les applications de la cartographie logicielle (notamment une routine exécutant en parallèle plusieurs instances d'un job (server ou PX) et aussi plusieurs jobs différents) – Fiabilisation, maintenance évolutive et corrective des applications Datastage et scripts SQL (Oracle et Netezza)) – Rédaction de document d'exploitation et livraison des packages sur les différents environnements – Coaching technique d'une équipe d'ingénieurs BI par la formation aux outils réalisés et la mise à disposition des normes de développement et conventions de nommage d'objets de développement – Etoffer qualitativement le patrimoine BI et améliorer les délais de livraison – Cadrage de projet (Technique) – Volet BIGDATA (Novembre 2014 / Mai 2016) – Remodelage d'un projet de centralisation des audiences des prospects et clients du site PAGESJAUNES.FR avec force de propositions sur la forte évolution du volume de données (10 TO + 300 GO de croissance tous les mois) – Coaching sur la migration de l'ancienne plateforme vers l'environnement HADOOP – Mise en place d'un paradigme informatique aussi bien sous HADOOP que dans une plateforme Server afin de garantir l'efficacité de tous les projets ETL – Propositions et mise en place de solutions afin d'anticiper sur les dangers encourus par le SI Pages Jaunes (saturation entrepôt données, sécurité des données, etc.)

– Assurer la robustesse, la fiabilité et l'efficacité de projets datastage mettant en application des règles de gestions métiers liées à l'assurance et à la prévoyance retraite. – Mise en place de procédures de recette bout en bout et de non régression d'application assurant la sécurisation, la normalisation et la validation des données. – Description algorithmique des tâches et traitements traduisant le besoin exprimé par la maîtrise d'ouvrage. – Optimisation et Tuning des traitements. – Rédaction de document d'exploitation et livraison pour la production.

– En collaboration avec CAPGEMINI, booster les développements Datastage PX d'une équipe de 10 ingénieurs afin de tenir les délais en péril exigés par la SNCF. – Supervision d'une équipe de développeurs Infosphere Datastage 8.3 (PX et Server). – Conception d'un modèle d'intégration pilotant tous les process élémentaires concourant à l'alimentation et au rafraîchissement des données du datawarehouse. – Modélisation d'un socle de données traçant l'alimentation des datamarts en vigueur, par la mise en évidence des rejets, de leurs causes et cardinalités mais aussi des quantités d'informations en entrée et sortie des flux. – Rédaction de spécifications détaillées retraçant la conception et l'alimentation des datamarts réalisés.

– Assurer la refonte des projets datastage suite au remplacement du mainframe IBM ES 9000 par un server devant abriter UNIX comme système d'exploitation (cela, en vue de la réduction des coûts d'exploitation).