Malo Reynès

Participation à la modernisation de la plateforme data d’Upply, scale-up de référence dans la digitalisation du transport de marchandises. - Amélioration des modèles des Upply Freight Indexes, indices de prix du transport européen, références sur le marché, afin de stabiliser les valeurs dans le temps et d’éliminer les révisions rétroactives, garantissant la fiabilité de plus de 60 indices - Refonte complète des pipelines de production (Upply Freight Indexes et 7 modèles ML de benchmark du transport européen) développés en PySpark sur Databricks, avec une architecture Delta Lake / Unity Catalog, améliorant la modularité, la traçabilité et la maintenabilité des modèles, et permettant un accès simplifié aux données historisées via des tables Delta. - Conception d’un pipeline data end-to-end pour un client grand compte, de l’ingestion à l’enrichissement des données transport via PySpark et Delta Lake. Déploiement d’un dashboard Power BI offrant une vision centralisée des flux logistiques et une comparaison dynamique avec les prix du marché, facilitant la renégociation des contrats et l’optimisation des coûts.

Participation au lancement de la start-up. Création de la Data Plateform sur GCP. - Intégration et configuration des outils Fivetran et Airbyte pour l’ingestion de cinq sources de données (Instagram, Facebook Pages, ...) vers le Data Lake (Cloud Storage) - Développement de quatre pipelines d’ingestion custom (Meta Ads, Facebook Pages…) pour remplacer certaines intégrations payantes, optimisant ainsi les coûts d’exploitation - Mise en place des pipelines de transformation via dbt, alimentant BigQuery pour la création du Data Warehouse et la modélisation des données analytiques - Conception d’un DataMart analytique (BigQuery, dbt) et de reportings Looker Studio à destination de la rédaction, des équipes commerciales et des actionnaires, offrant une vision en temps réel des performances médias et publicitaires - Conception d’une application Streamlit de veille concurrentielle, alimentée par un pipeline de web scraping Instagram centralisant la data de tous les posts concurrents. Devenue un outil incontournable pour la rédaction (pilotage éditorial) et les équipes commerciales (prospection, appels d’offres, suivi de partenariats) - Développement d’un pipeline IA de classification vidéo (speech-to-text + LLM), améliorant le retargeting des audiences et entraînant une réduction de 10 % des coûts publicitaires

Contribution au développement d’un logiciel d’analyse financière, incluant la conception de plusieurs modules de Machine Learning : - Développement d’un algorithme de clustering sous contraintes, appliqué à 480 jeux de données financiers, pour segmenter automatiquement des séries selon leur tendance et leur volatilité. L’objectif est de détecter des anomalies et comportements atypiques dans les ventes de produits - Développement d’un scoring de performance produit, prédisant la probabilité d’atteinte des ventes prévisionnelles sur chaque ligne commerciale. Permet d’alerter plus rapidement sur ces contre-performances - Classification des produits en fonction de leurs performances commerciales Déploiement de ces algorithmes sur VM Ubuntu on-premise