Serhii Hinkul

• Contribution à la conception et à la construction de la Data Platform GCP, avec une approche orientée industrialisation, réutilisabilité et fiabilité des composants Data. • Conception et développement de composants Data applicatifs sur Cloud Run et intégration avec les services GCP de la plateforme. • Conception et industrialisation de pipelines Data batch & streaming avec BigQuery, Pub/Sub, Cloud Composer / Airflow et Dataform. • Migration et industrialisation des transformations SQL avec Dataform, afin de standardiser et fiabiliser les traitements Data. • Conception, optimisation et industrialisation des DAGs Airflow / Cloud Composer, avec amélioration de la fiabilité et des performances des traitements. • Conception et optimisation des traitements BigQuery : partitionnement, clustering, optimisation des requêtes et réduction du volume de données scannées. • Mise en production de modèles ML (Gemini / Vertex AI) - amélioration de +15% du ciblage publicitaire et optimisation de la monétisation. • Mise en place des bonnes pratiques FinOps - gouvernance des coûts Cloud, alertes budgétaires et optimisation continue des ressources GCP. • Gestion de l'infrastructure et des droits via Terraform (IaC) - collaboration avec la DSI sur sécurité et conformité. • Taux d'échec des jobs en production maintenu sous 1–2% - amélioration continue de la fiabilité des pipelines. 🛠️ Stack technique : • GCP (BigQuery, Dataform, Pub/Sub, Cloud Composer, Cloud Run functions, Cloud Build, Cloud Storage, Datastore, Vertex AI, Looker Studio) • Airflow 2, Terraform, Docker, Linux, git, Snowflake, JavaScript La méthode de gestion de projet - Agile (JIRA)

• Conception et mise en place d'un entrepôt de données de 500+ tables sur BigQuery - migration depuis SQL Developer. • Développement et industrialisation de pipelines ETL/ELT (Cloud Storage, Cloud Run functions, BigQuery, Scheduled Queries). • Conception et gestion de pipelines d'ingestion à grande échelle, maîtrise des environnements distribués (Spark/PySpark, Dataproc). • Optimisation BigQuery : partitionnement, clustering, réduction du volume de données scannées - amélioration significative des coûts et performances. • Automatisation de la mise à jour/suppression de données via Cloud Run functions, Pub/Sub, Cloud Logging. • Création et automatisation d'un dispositif de monitoring de la qualité des données. • Collaboration avec les équipes Data Science pour l'industrialisation de cas d'usage ML (scoring client, recommandations, segmentation). 🛠️ Stack technique : • GCP (BigQuery, Dataform, Pub/Sub, Workflows, Cloud Run functions, Scheduled Queries, Cloud Logging, Dataproc, GCS, Vertex AI, Looker Studio) • Linux, git, Python, Pyspark, SQL Developer La méthode de gestion de projet - Agile (JIRA)

• Identification des fonctionnalités clé pour la gestion et la mise en qualité des données référentielles • Création d'une grille d'évaluation et comparaison des outils MDM • Analyse de l'architecture et de flux de données à l'aide de Data Factory et Synapse Analytics en vue d'industrialiser la démarche • Analyse des besoins et des exigences du client pour les processus de mise en qualité de la donnée référentielle (Produits, Tiers, …)

• Acculturation de données avec la création des ateliers sur BigQuery, SQL, Machine Learning, Data Studio, Excel. • Création des exercices pour les étudiants • Support des étudiants pendant la préparation de leur projet • Préparation de données (croisement de données de différentes sources, nettoyage des données) à l'aide de BigQuery pour Data Visualisation 🛠️ Stack technique : • BigQuery, Data Studio, Excel

• Classification des emails et la prédiction du spam (NLP, scikit-learn, nltk, gridsearch) • Analyse de contenu des emails (spacy, lettria, gensim, word2vec, tf-idf) • Mise à jour des algorithmes des pricing (Python, SQL, Metabase) • Suivre Pep 8 & Développement continu (git-flow) 🛠️ Stack technique : • Python, SQL, Metabase, git, GCS, Power BI

• Réalisation de reportings de la satisfaction clients • Migration des reportings existants sur SPSS vers R, • Analyses et explorations des données avec des outils SQL, R, SPSS, Excel, • Automatisation des rapports sur les appels clients (R, Teradata SQL) 🛠️ Stack technique : • SQL, R, SPSS, Excel