mansor gueye

Mission en régie : Développement de pipelines et audit d’une infrastructure Data GCP - Renforcement de l’équipe data platform de Biogaran dans Google Cloud Platform (GCP) - Participation à l’audit de l’infrastructure data GCP et identification des adhérences avec l’infrastructure hybride (GCP et on-premise) de Servier pour assurer l’autonomisation de Biogaran. Data Engineer GCP– Principales réalisations : - Développement de pipelines d’ELT dans BigQuery en utilisant Data Build Tool (dbt). - Configuration de jobs Spark pour l’ingestion de données multi-sources (Salesforce, SAP, SFTP) vers BigQuery (PySpark, Python). - Orchestration des pipelines avec Argo Workflows déployé dans un cluster GKE (Kubernetes). - Déploiement de workloads de consommation de données via API dans Cloud Run Jobs ( Python, Docker, Artifact Registry, Terraform). - Audit des ressources GCP utilisées grâce à Asset Inventory (Gcloud Cli, Terraform). - Audit des templates de pipelines CI/CD sur GitLab-CI. - Optimisation des Cloud Functions Event-Driven pour l’ingestion de fichiers (CSV, Parquet, JSON) depuis Google Cloud Storage vers BigQuery. Contexte de la mission : - Entreprise : Biogaran, plus de 200 collaborateurs et Servier plus de 22 000 employés. - Équipe Data platform: 20 personnes (data engineers, data analysts , QA testers et Product Owners). - Collaboration avec les équipes Ops de Servier pour valider les mises à jour IaC (Terraform, IAM). - Collaboration avec l’équipe BI pour la recette des données du data mart CRM. - Méthodologie agile : Scrum. Points clés: - Responsable des mises en recette et mise en production - Expertise en Data Engineering sur GCP avec un focus sur BigQuery, Terraform et les pipelines CI/CD. - Maîtrise des outils de traitement de données et d’intégration multi-sources (Spark, DBT, Cloud Functions). - Contribution à l’audit d’une infrastructure GCP hybride pour une plus grande autonomie

Chargé de travaux pratiques - Module Compléments d’Informatique ENSAI (2ᵉ cycle ingénieur) - Encadrement des élèves ingénieurs en 2ᵉ cycle dans leurs projets de développement d'applications - Introduction de la programmation orientée objet (POO). - Introduction aux design patterns et bonnes pratiques de développement. - Utilisation de Git pour la gestion de versions. - Développement d’API et manipulation de bases de données PostgreSQL. Objectif : doter les futurs data scientists de bases solides en ingénierie logicielle et outils collaboratifs.

Mission en forfait de 14 jours – Data Engineering sur GCP pour Renault Accompagnement de Publicis Conseil dans l’amélioration de la data platform dédiée aux performances médias pour le compte de Renault. Objectifs principaux : - Adoption des bonnes pratiques GCP par l’équipe technique. - Industrialiser des pipelines alimentant la plateforme data médias. - Vérification automatique de la qualité des données provenant des régies publicitaires et envoi d’alertes en cas d’erreur. Data Engineer GCP – Réalisations : - Chiffrage temps du projet avec l'équipe commerciale - Accompagnement de l'équipe technique dans l'adoption des bonnes pratiques GCP, incluant la séparation des environnements (dev, pré-prod, prod) et le respect du principe de sécurité du least privilege. - Réorganisation des données avec une architecture en médaillon (Bronze, Silver, Gold) - Standardisation des noms des tables BigQuery pour une meilleure lisibilité métier. - Documentation des KPIs et validation des règles de calcul avec les équipes métiers. - Remplacement des requêtes SQL programmées par des Cloud Functions (Python) event-driven, incluant des logs détaillés pour le suivi des opérations. - Automatisation de la Data quality pour garantir l’intégrité des données. - Observabilité des pipelines : logging, monitoring et alerting automatisé via email. Contexte: - Équipe projet : 5 membres (1 directeur commercial, 1 chef de groupe commercial, 1 data engineer, 1 data analyst). - Collaboration étroite avec les régies publicitaires pour aligner les règles de calcul des KPIs. Points Clés : - Expertise en Data Engineering avec des outils GCP comme BigQuery et Cloud Functions. - Optimisation des flux de données grâce à des architectures modernes (médaillon) et des mécanismes robustes de monitoring et qualité des données. - Contribution à l’amélioration des performances de la plateforme data médias pour une multinationale de premier plan.

Mission en forfait de 80 jours – Mise en place d’un Data Mart Centralisé avec GCP Développement d’un data mart centralisé dans Google Cloud Platform (GCP) pour le suivi des performances des assets de communication (spots publicitaires, bannières, emails, images, etc.) du groupe Carrefour. Data Engineer GCP – Principales Réalisations : - Cadrage projet : Collaboration avec 8 pays du groupe Carrefour pour collecter et formaliser les besoins métier. - Audit des outils data : Réalisation d’un inventaire détaillé des écosystèmes data utilisés dans chaque pays, avec prise en compte des spécificités locales. - Conception d’architecture GCP : Proposition d’une solution serverless et évolutive pour un data mart centralisé, basé sur les services natifs de Google Cloud (BigQuery, Cloud Storage, Pub/Sub, etc.). Points clés: - Expertise en data engineering GCP pour gérer des environnements multi-pays et multi-outils. - Optimisation des flux de données et centralisation pour une meilleure analyse des KPIs. - Mise en avant des avantages d’une architecture serverless dans Google Cloud : scalabilité, coûts réduits, maintenance simplifiée.

Ecomaison facilite le tri, la collecte, le réemploi et le recyclage pour tous. Mission : Mise en place de data platform dans Google Cloud Platform (GCP) Développement d’une plateforme analytique performante pour le suivi des flux de collecte et de recyclage. Data Engineer GCP - Réalisations principales : -Cadrage et spécifications techniques : Accompagnement du client pour définir les besoins métier et rédiger les spécifications techniques de la plateforme analytique. - Architecture data GCP : Conception et déploiement d’une infrastructure serverless GCP avec Terraform, intégrant CloudSQL, BigQuery, Cloud Run, Python, FastAPI, et Docker. - Use case métier : Automatisation la répartition de la quantité de déchets recyclés par prestataires, par filières et par types de prestation), utilisée par l'équipe finance pour la facturation. - Industrialisation des pipelines de données (ELT) : Mise en place Google Cloud Workflows avec Cloud Scheduler pour l’automatisation et la planification des workflows. - Pratiques DataOps : Implémentation de pipelines CI/CD dans GitLab, suivi par logging et monitoring avec Cloud Logging et Cloud Monitoring, ainsi qu’un système d’alertes email en cas de dysfonctionnement. Contexte: Entreprise : Ecomaison de 70 collaborateurs. - Équipe projet data : 4 membres (1 data architect, 2 data engineers, 1 chef de projet). - Collaboration avec l’équipe BI pour effectuer un rétro-engineering des flux Qlik à migrer vers GCP. Points clés: - Expertise en Data Engineering et DataOps sur Google Cloud Platform (GCP). - Utilisation d’outils modernes et d’approches cloud-native (BigQuery, Terraform, Python, FastAPI, Docker). - Contribution à la transition environnementale grâce à une infrastructure data optimisée et scalable.

Analytics Data Engineer GCP – Équipe Data du GTEM (GALEC) : - Optimisation du code existant (Python, SQL) pour améliorer la performance des pipelines. - Migration des flux SPSS vers GCP (BigQuery). - Développement de cartographies clients pour des campagnes ciblées (Python, Folium, BigQuery). - Automatisation des bilans mensuels de performances pour les magasins E.Leclerc et la direction marketing (BigQuery, Python, Excel). - Analyse des opérations annuelles (vignettage, bouclier anti-inflation) et évaluation de leur impact (BigQuery, Looker Studio, tests statistiques). - Évaluation des risques commerciaux, notamment l'arrêt du paiement en tickets restaurant. - Création d’outils d'aide à la négociation fournisseurs (Apps Script, BigQuery, Google Sheets). - Maintenance et actualisation des segmentations clients via des modèles de machine learning (Python, BigQuery). Contexte : - Équipe data composée de 4 personnes et digirée par la Chief Data Officer d’un mouvement de 500 adhérents avec 800 collaborateurs. - Collaboration avec les équipes marketing et pricing pour des analyses stratégiques. - Coordination avec la DSI pour l’extraction de données pertinentes.

Mission forfait de 45 jours – Analyse client et segmentation RFM dans GCP Développement d’une stratégie basée sur les données pour améliorer la connaissance client et optimiser les programmes de fidélité à l’aide de Google Cloud Platform (GCP). Analytics Data Engineer GCP - Réalisations principales : - Audit de qualité des données : Analyse approfondie des données clients pour identifier les anomalies et garantir l’intégrité des informations dans BigQuery. - Analyse des offres de fidélité : Évaluation des performances des programmes de fidélité pour mesurer leur impact sur les comportements clients (pouvoir fidélisant / pouvoir recrutant). - Création de dashboards interactifs : Conception de rapports dynamiques dans Looker Studio pour visualiser les KPIs clés et les insights clients. - Segmentation RFM : Implémentation d’une segmentation RFM (Récence, Fréquence, Montant) pour catégoriser la base clients et optimiser les actions marketing à l’aide de requêtes SQL dans BigQuery. Contexte : - Équipe projet : En binôme sous la direction d’un Senior Manager Data Science pour un mentoring technique avancé. - Collaboration directe avec les équipes métiers pour définir et valider les règles de calcul des KPIs. Points clés : - Expertise Google Cloud Platform (GCP), avec une maîtrise de BigQuery pour les analyses de données avancées. - Création de dashboards visuels et interactifs dans Looker Studio, favorisant une prise de décision rapide et éclairée. - Audit Data quality pour garantir des analyses fiables et exploitables. - Implémentation d’une segmentation RFM pour optimiser la personnalisation des campagnes marketing et fidéliser la clientèle.

– Partitionnement des cellules à l’aide de données chronologiques sur la qualité de service du réseau mobile – Évaluation de performances de différents modèles de prédictions de séries temporelles ( SARIMA, VAR, LSTM, Python) – Amélioration de la qualité de prédiction et réduction de la quantité de données nécessaire grâce à l’apprentissage par transfert

– Etat de l’art des modèles deep learning pour la segmentation d’images – Collecte et préparation des images d’écritures manuscrites – Mise en oeuvre d’un modèle à réseaux de neurones auto-encodeurs en forme de U pour de la reconnaissance de caractères manuscrits (Python). – Amélioration des performances du modèle en le pré entraînant sur le jeu de données imageNet

Data Engineer - Chez la Caisse de Sécurité Sociale du Sénégal: Migration de base de données vers Oracle – Conception de pipelines ETL avec Oracle Data Integrator (ODI) – Préparation de scripts PL/SQL pour l’audit des bases de données – Application de contraintes fonctionnelles pour fiabiliser les bases de donnée