Marwa YAHYAOUI

Projet SNDS / ADUS · Scan & Redressement de la pseudonymisation (environnement réglementé) Mots-clés : Python, SQL, Oracle, data preprocessing, ETL, référentiels, qualité, modélisation, Git Projet Scan & Redressement de la pseudonymisation (SNDS) : migration d'une chaîne SAS vers un package R développé from scratch (scan des fichiers, extraction de métadonnées, détection des pseudonymes certains / potentiels, alimentation des dictionnaires / référentiels Oracle, statuts de redressement). Data preprocessing (R, SQL / Oracle) : nettoyage, transformation et fiabilisation des données ; pipeline parallélisé (targets), règles de gestion, contrôles qualité et détection d'anomalies. Environnement sécurisé et réglementé (bastion SSH / WALLIX) ; tests unitaires (testthat), documentation (roxygen2) et versionning GitLab.

Data Analytics Engineer · Énergie · Client RTE Nov. 2020 – Avr. 2026 · Paris Mots-clés : Power BI, DAX, Python, R, PySpark, SQL, ETL, dbt, Star Schema, parquet, cloud, séries temporelles, Antares, KPIs, Agile Monitoring temps réel du parc nucléaire (from scratch, en autonomie) : développement d'une application de suivi temps réel pour la disponibilité des centrales et l'équilibre offre-demande ; ingestion (API REST / OAuth2, tenacity, schedule) et traitement en R / sparklyr (Spark) et SQL, chargement dans GCP / BigQuery et transformations dbt (staging / marts) ; pipeline de preprocessing, feature engineering sur séries temporelles, stockage parquet, détection d'anomalies, systèmes d'alerte et dashboards Power BI (DAX) pour le suivi des indicateurs. Plateforme de données énergétiques européennes (PEMMDB) : conception d'une architecture data et pipelines ETL multi-sources (PEMMDB, ERAA, Winter Outlook, Ember, Platts) en Python / PySpark / SQL, transformations dbt, normalisation, consolidation et modélisation dimensionnelle (Star Schema) des filières (nucléaire, renouvelables, thermique, hydraulique) ; analyse de séries temporelles, stockage parquet (Dremio), restitution Power BI (mesures DAX, RLS) et migration progressive de la couche décisionnelle vers Microsoft Fabric (workspaces, Lakehouse, Dataflows Gen2). Développement du générateur Antares (simulateur d'équilibre offre-demande du système électrique européen, équipe agile) : réalisation des versions 9.2 et 9.3 (API et Desktop), génération automatisée de datasets pour les simulations, migration de R vers Python, pipelines R modulaires (Antares Read/Write), optimisation du code et des performances, CI/CD (GitHub Actions) et tests (testthat). Analyse & NLP : traitement du texte libre (colonne remarque) par vectorisation (TF-IDF / embeddings) et classification (XGBoost), alimentation automatique d'un dictionnaire ; recueil du besoin, accompagnement des utilisateurs et documentation.

Data Analyst / Engineer · Big Data · Lincoln Avr. 2020 – Août 2020 · Paris Mots-clés : PySpark, Spark SQL, Hive, data preprocessing, ETL, Python, Alteryx, Power BI, Azure, migration Big Data, qualité Migration d'un pipeline de traitement de données client (Shell et SQL) vers un environnement Big Data distribué (PySpark, Spark SQL, Hive) pour améliorer la scalabilité et la performance ; nettoyage et transformation des données avec Alteryx et restitution Power BI. Développement de scripts Python pour automatiser l'ingestion, le nettoyage et la transformation de grands volumes de données ; déploiement sur Microsoft Azure, optimisation des performances et contrôles de qualité et de validation des données.

Data Analytics Engineer · Retail (International) · Cognira Févr. 2018 – Janv. 2020 · Atlanta, USA Mots-clés : Python, SQL, PySpark, Spark SQL, Hive, Databricks, cloud, ETL, Alteryx, Airflow, TensorFlow, MLflow, séries temporelles, dashboards, KPIs Chaîne complète de transformation de données (ingestion → data preprocessing (Python / SQL) → modélisation → restitution) pour la prévision des ventes, des stocks et de la demande de grands distributeurs (Office Depot, HEB, ADEO) ; pipelines ETL et préparation avec Alteryx, orchestration Airflow sur Databricks et cloud (Azure & GCP / BigQuery), stockage parquet. Office Depot (USA) : développement d'un moteur de prévision des ventes basé sur l'analyse de séries temporelles ; préparation et transformation des données (Python / SQL), déploiement des modèles via TensorFlow Serving et exposition via une API REST (Flask) ; mise en place d'un modèle de classification réduisant les alertes de prévision. Office Depot (USA) : développement de pipelines de traitement et de nettoyage de données retail (scripts Python), traitements distribués (PySpark, Spark SQL, Hive) et optimisation des requêtes SQL pour réduire les temps d'exécution ; analyse exploratoire (Jupyter) et monitoring / validation de la qualité des données. HEB (Texas, USA) : modélisation et calcul du ROI des promotions retail ; manipulation et analyse de données (Python, Spark), préparation et transformation des datasets promotionnels, restitution des résultats et dashboards. ADEO (Lille, France) : implémentation d'une solution de prévision de la demande retail (Oracle RPAS) ; analyse et préparation des données de ventes (Python / SQL), automatisation des traitements et formation des utilisateurs métier. Collaboration internationale (USA / France) ; feature engineering, entraînement de modèles (scikit-learn, XGBoost) et mise en production (MLflow, API REST).