Nabil MEHDAOUI

– Conception et déploiement de pipelines de données assurant la collecte, la transformation et le test de la qualité des données entre Oracle et PostgreSQL. – Mise en place d'une architecture data moderne basée sur un stack composé de Trino, DBT, Python, Dagster, Docker et Metabase. – Développement de fonctions Python personnalisées pour convertir automatiquement des requêtes SQL Oracle en modèles DBT exploitables (parsing, refactoring, ajout de métadonnées, génération de fichiers schema.yml et tests unitaires). – Utilisation de DBT pour la transformation, le testing et la documentation automatisée des modèles de données. – Orchestration complète des workflows avec Dagster, incluant : récupération des scripts SQL depuis Git, exécution des transformations, gestion des tenants, lancement des tests DBT et synchronisation avec Metabase. – Création de tableaux de bord Metabase pour visualiser les résultats des tests de qualité des données (par tenant, par agence, par type d'anomalie). – Optimisation du processus de contrôle des anomalies sur plusieurs centaines d'instances Oracle grâce à Trino, permettant une exécution parallèle et une réduction significative du temps de diagnostic. – Participation à la documentation technique et à la mise en production du pipeline, garantissant la traçabilité et la fiabilité des données.

– Extraction et traitement des données patients depuis le système hospitalier Easily. – Analyse des parcours patients via Machine Learning et clustering, identification de signaux faibles. – Visualisation des résultats et construction d'un nuage de mots pour synthétiser les informations des dossiers patients. – Développement de modèles prédictifs pour anticiper les risques futurs en fonction des antécédents et état de santé actuels.

– Développement d'une application Shiny en R pour visualiser des séries temporelles et des clusters de patients. – Analyse de données cliniques : regroupement par clusters, comparaison des variables cliniques (sexe, tabagisme, somnolence). – Calculs statistiques avancés et visualisations dynamiques (trajectoire moyenne, histogrammes). – Mise en place d'indicateurs statistiques et de représentations graphiques pour faciliter la prise de décision par les chercheurs.