Ousmane Camara

Développement et industrialisation d'applications de lutte contre le blanchiment (LAB) et le financement terrorisme (CFT) sur le périmètre ABS (AML Behavior Spotting). Différents modules créés et déployés en production : - ABS FT (Financement Terrorisme) : Transactions bancaires (Virements, Prélèvements, Cartes bancaires, Clôtures Livrets, etc.) et Personnes physiques - ABS Crypto : Transactions bancaires sur la cryptomonnaie (Virements, Cartes bancaires, Clôtures Livrets, etc.), Personnes physiques et morales - ABS Asso : Transactions bancaires des associations (Virements, Prélèvements, Cartes bancaires, Clôtures Livrets, etc.) et personnes morales - ABS Collect : collecte des données sources - ABS Réseaux : suivi du comportement des clients (PP & PM). Les transactions effectuées par les clients sont analysées et d’éventuels signaux faibles identifiés. - ABS Transaction Monitoring : pour les trois principaux scénarios (FT, ASSO & CRYPTO) un suivi journalier est effectué en comptant le nombre de lignes générées par chaque traitement - ABS IHM FT : l'IHM contient la liste des termes (Cartes, Virements, Prélèvements, etc.) utilisés pour la détection des signaux faibles. Trois banques concernées : - BDDF (Banque de détail en France) - Boursorma (banque en ligne) - CDN (Crédit du Nord) - Fusion juridique des banques BDDF et CDN Principales responsabilités : - Encadrement d'équipes - Mise en place de bonnes pratiques de développements - Participation aux développements des applications - Responsable de la mise en production - Analyse des expressions de besoins métiers (EDB) - Cadrage et gestion de projets - Scrum Master Frameworks : Hadoop & Spark Distribution : Hortonworks & Cloudera Langages : Java, Scala, Shell Autres : Hive, Elasticsearch, Kakfa, SonarQube, Nexus, Jenkins, AWX, Hue, Oozie, PostgreSQL, etc. Méthode agile : Scrum

Senior Tech Lead Data & Cloud avec plus de 10 ans d’expérience dans la conception, l’industrialisation et la transformation de plateformes Data stratégiques en environnement Cloud et Big Data. Expert AWS, Spark, Data Lakehouse et Architecture Data Platform, j’interviens comme référent technique, lead applicatif et garant du delivery sur des produits critiques à forte volumétrie. Mon expérience couvre l’ensemble du cycle de vie des plateformes Data: cadrage métier, architecture, gouvernance, industrialisation, mise en production, exploitation et amélioration continue. J’accompagne les équipes dans la mise en œuvre des standards techniques, l’industrialisation des développements et la sécurisation des trajectoires de transformation Data.

Industrialisation d’une plateforme Data Centric dans le Cloud AWS. Principales responsabilités : - Rédaction du rapport d’étonnement - Construction du socle de l’alimentation des données - Ingestion de données sources (Data Raw & Data Table) - Construction de Datamart pour répondre aux besoins métiers Technologie Cloud : AWS Services utilisés : - Stockage : S3 - Sécurité, Identité et Conformité : IAM, Secrets Manager, Certificate Manager & Key Management Service - Calcul : EC2, Lambda, ECR, ECS & EKS - Base de Données : Amazon Redshift & RDS (Aurora) - Gestion et Gouvernance : CloudWatch, CloudFormation & CloudTrail - Mise en Réseau : VPC, API Gateway - Machine Learning : Amazon SageMaker - Outils pour Développeurs : CodeStar, CodeCommit, CodeBuild, CodeDeploy, CodePipeline & X-Ray - Analyse : Athena, QuickSight, EMR, Elasticsearch Service, Data Pipeline, AWS Glue - Migration Et Transfert : AWS Transfer for SFTP - ETL : Matillion - Langages : Java, Scala, Python, Shell - Méthode agile : Scrum

Développement BIG DATA, ingestion et gestion de données massives issues de sources diverses. Objectif: 1-) Équipements PI: Distribution des offres bancaires / Crédits et garanties Identifier les clients détenteurs d'équipements bancaires (cartes, chèques et comptes bancaires) ayant souscrit à des prêts immobiliers et leur proposer de nouveaux produits bancaires. - Participation de chaque client à un contrat - Référentiels et catégories d'offres (Banque au quotidien, Assurances, Épargne & Crédits) - Équipements client - Mobilités bancaires - Prêts immobiliers 2-) Avantages + : Gestion de la relation client & fidélisation voix clients - Adhérents - Cashback - Données signalétiques et transactionnelles - Carte client - Compte client - Appels Web Services (sites marchands, super-marchands et offres) - Calcul d'indicateurs et construction de Datamart 3-) PAD : Distribution des offres bancaires / Comptes et épargnes : Surveiller et respecter les délais de validation de l'ouverture compte (calcul et restitutions des indicateurs). Ouvertures de comptes et délais de validation: - OUCT: Ouvertures de compte avec l'aide d'un conseiller (CRI OPERATIONS ARCHIVEES & CRI OPERATIONS A VALIDER) - EER (Parcours Entrée en Relation) : Demande d'ouvertures en ligne sans l'aide d'un conseiller 4-) Amplification de la relation client: Gestion de la relation client / CRM relationnel et conseil Analyse données retour de campagnes : - Mail - SMS - CRC (téléphone) - O2C - Push notifications sur application mobile 5-) OFAC / KYC (Office of Foreign Assets Control / Know your customer): Gestion de la relation client / CRM opérationnel et connaissance client - Pays Fournisseurs - Pays Implantations - Pays Revenus - SIREN Frameworks : Hadoop & Spark Distribution : MapR Langages : Java, Scala, Shell Autres : Hive, Elasticsearch, Kakfa, Zeppelin, Jupyter, Sqoop, Dollar Universe ($u), Hue, Oozie, Dataiku, Qlik View, Base Teradara, DBeaver, etc. Méthode agile : Scrum

Ingestion de données issues de différentes sources (SGBD relationnel et NoSql , fichiers plats ou textuels, fichiers JSON, Excel, CSV, binaires, logs, véhicules connectés, etc.) dans le data lake. Distribution: Hortonworks Compétences techniques: Hadoop, Spark, Scala, Java, Hive, Hbase, NIFI, Sqoop, Elasticsearch, Shell, Qlik View, etc. Méthode agile : Scrum

Mise en place d'outils d'analyses prédictives et statistiques sur le taux d'absentéisme dans les entreprises (prévoyance & santé - scanner social - absentéisme). Apprentissage automatique (Modèle bayésien naïf, réseaux de neurones, Random Forest, classification, clustering, régression), Intelligence Artificielle, traitements, analyse et visualisation de données, statistiques, etc. Compétences techniques: Python, R, outils de traitements, d'analyse, de visualisation et de fouille de données, Tableau software, technologies BIG DATA (Map Reduce, Hadoop, Spark, Scala, Bases de données No SQL, Stockage In-Memory, Cloud Computing), etc. Méthode agile : Scrum

Mise en place d'outils de traitements, d'analyse et de visualisation de données à l'aide de la carte auto-organisatrice de KOHONEN (SOM - Réseaux de neurones artificiels à apprentissage non supervisé). Compétences techniques: C, R, Python, Hadoop, Spark, Scala, etc.