Oussama MOUNIB

💼 Consultant Data | Migration vers le Cloud Azure | Architecture Data | Data Engineering & BI Missions principales: - Analyse de l’existant technique et fonctionnel. - Identification des limites de l'infrastructure actuelle (on-premise). - Récolte et formalisation des besoins métiers (BI, Machine Learning et sécurité de données) - Conception et mise en œuvre d’une architecture Lakehouse sur Azure, adaptée aux cas d’usage présents et futurs. Migration & Implémentation : - Migration des bases de données On-Premise vers Cloud Azure. - Chiffrement des données sensibles (AES-256) lors de la migration. - Structuration des données selon une architecture en couches médaillon (bronze / silver / gold). Data Engineering & Orchestration : - Développement de pipelines ETL/ELT robustes avec Azure Data Factory, Databricks et Knime Analytics. - Implémentation de flux de données temps réel via Apache Kafka . - Mise en place de monitoring, gestion des erreurs, alerting. - Optimisation des performances et gestion des ressources Databricks (autoscaling, coûts, scheduling). Qualité des données & Sécurité : - Application des standards de Data Governance : Unity Catalog, RBAC, audit, monitoring. - Garantie de la conformité RGPD et gestion des accès utilisateurs. Gestion des ressources Azure / FinOps : - Création, configuration et administration des composants Azure : Data Lake, ADF, Databricks, Key Vault... - Suivi de la consommation des ressources, pilotage budgétaire et optimisation des coûts cloud. Valorisation de la donnée & BI: - Création de dashboards interactifs avec Power BI et Grafana pour les équipes métiers. - Accompagnement à l’adoption des KPIs et des outils de visualisation dans une logique d’aide à la décision.

- Participer à la mise en place d’un Data Lake et alimenter le Data Lake avec des données internes et externes à l'entreprise. - Conception et implémentation de pipelines de données intégrés avec Azure Data Factory, assurant un traitement de données fluide et efficace. - Développement de solutions ETL/ELT pour la collecte, le traitement et le stockage des données. - Surveillance et dépannage des pipelines de données, garantissant la qualité et la cohérence des données. - Pilotage d'ateliers pour l'analyse et la collecte des besoins métiers en Business Intelligence. - Documentation et suivi rigoureux des besoins et feedbacks recueillis, contribuant à l'amélioration continue des processus et outils de business intelligence. - Développement et création de tableaux de bord et de rapports interactifs pour une visualisation des KPI, facilitant la prise de décision basée sur les données. (Power Bi) - Conception et maintenance de workflows complexes avec Knime Analytics, garantissant une exécution efficace et fiable des processus de données. - Surveillance proactive des workflows, identification et résolution rapide des problèmes. - Innovation continue dans l'optimisation des processus de données et l'adoption de nouvelles fonctionnalités et pratiques. - Développement d'un modèle prédictif pour la réduction des déchets dans les processus de production, optimisant l'efficacité et la durabilité.

- Collecte et analyse de données technique (Pression, température …) via des scripts VBS. - Automatiser la phase d'analyse par le biais de programmation de scripts. - Développer des nouveaux critères de détection d'évènements spécifique. - Suivi et mise à jour sur l'avancement des différents projets conçus. - Formaliser les études réalisées et les conclusions tirées de ces analyses.

- Développement d'une méthodologie pour la recherche d'avions disparus, combinant l'analyse de données satellitaires (SNAP), la cartographie SIG (QGIS), la modélisation spatiale (CARMEN) et des algorithmes Python. - Une approche innovante visant à optimiser les opérations de recherche et à réduire les zones d'investigation. Approche méthodologique : Utilisation de SNAP : -> Pré-traitement des données satellitaires pour corriger les effets atmosphériques et géométriques. -> Extraction d'informations pertinentes, comme des indices spectraux ou des anomalies, pour détecter des objets spécifiques au sol. Intégration avec QGIS : -> Visualisation et analyse spatiale des données pré-traitées. -> Création de couches thématiques (reliefs, zones d’impact possibles, analyses de terrains difficiles). Modélisation avec CARMEN : -> Analyse statistique et modélisation spatiale pour réduire les zones de recherche. -> Identification des zones probables d’éparpillement des débris. Implémentation d’algorithmes Python : -> Automatisation des workflows pour traiter de grands volumes de données rapidement. -> Développement d’algorithmes spécifiques pour l’analyse des anomalies et le croisement des données multisources.

Stage de type élève ingénieur : - Intégration ERP et migration de données - Amélioration continue des performances machines - Réalisation d'un suivi de maintenance

- Accompagner la société dans sa stratégie de digitalisation numérique.