Shahul MOHAMED

Contexte Refonte complète du patrimoine data d’un acteur majeur de l’immobilier, avec pour objectif de centraliser des flux hétérogènes au sein d’une Data Platform Snowflake Cloud, sécurisée, scalable et optimisée en coûts, à destination des usages BI. Migration progressive depuis des systèmes legacy (Business Objects, Oracle, SQL Server), avec de forts enjeux de qualité, performance et non-régression. Équipe Collaboration étroite avec les équipes Data, BI et métiers, dans un environnement hybride, orienté production. Mon rôle En tant que Senior Data Engineer, j’interviens sur l’ensemble du cycle de vie de la plateforme : - Conception de l’architecture Snowflake multi-environnements (DEV / UAT / PROD) - Mise en place de la gouvernance data (RBAC, principe du moindre privilège) - Définition et implémentation d’une architecture Médaillon (Bronze / Silver / Gold) - Développement de pipelines ELT modernes avec dbt (macros, tests, incrémental) - Optimisation avancée des performances Snowflake (Cluster Keys, Query Profile, Search Optimization) - Pilotage des coûts et pratiques FinOps (Resource Monitors, auto-suspend, sizing des warehouses) - Implémentation des mécanismes de sécurité et conformité RGPD (Dynamic Masking, Row Access Policies) Outils / Environnements Snowflake, SQL avancé, Python (Snowpark), dbt, Airflow / Snowflake Tasks, AWS S3. Résultats - Conception et mise en production d’une Data Platform Snowflake from scratch, prête pour des usages BI à l’échelle - Réduction moyenne de 25 % des coûts Snowflake grâce aux optimisations FinOps - Amélioration de 30 % des temps de réponse sur les requêtes critiques - Plateforme sécurisée, gouvernée et scalable, alignée avec les standards data modernes

Contexte Modernisation du socle décisionnel gérant les données critiques de plus de 100 millions d’assurés, dans un cadre réglementaire strict impliquant des enjeux de souveraineté, performance et fiabilité. Objectif : améliorer les temps de traitement et la robustesse des pipelines data à très forte volumétrie. Équipe Collaboration avec les équipes Data Engineering et architecture, dans un environnement exigeant orienté production. Mon rôle En tant que Senior Data Engineer, j’interviens sur des problématiques de volumétrie massive et d’optimisation des traitements : - Mise en place d’une architecture de data virtualization sécurisée via Starburst / Trino - Pilotage de la migration de données massives (CSV → Parquet) - Optimisation avancée de jobs PySpark sur Databricks (tuning mémoire, parallélisme, partitionnement) - Contribution à l’architecture cible et aux bonnes pratiques Data Engineering - Amélioration de la fiabilité et de la performance des traitements réglementaires critiques Outils / Environnements Databricks, PySpark, Starburst (Trino), PostgreSQL, Python. Résultats - Migration de plus de 500 To de données vers des formats optimisés - Réduction de 45 % des temps de traitement nocturnes - Division par 2 du temps d’exécution des traitements réglementaires critiques - Pipelines data plus robustes et adaptés à des contraintes de production à grande échelle

Contexte Transformation Cloud d’un éditeur logiciel international via la mise en place d’une Landing Zone GCP industrialisée pour accélérer les projets Data. Mon rôle - Conception d’architectures cibles Cloud (HLD / LLD) - Industrialisation complète via Terraform (IaC) - Mise en place de pipelines CI/CD (Cloud Build, dbt) - Sécurisation des environnements (IAM Least Privilege, KMS, conformité) - Optimisation coûts et résilience (HA / DR, SRE, autoscaling) Résultats - Environnements Cloud reproductibles, sécurisés et scalables - Réduction du time-to-market des projets data - Meilleure maîtrise des coûts Cloud via pratiques FinOps / GreenOps

Développement d'applications JAVA Spark big data sur les sujet FCVA, GDPR, EAI , IPR , LCBFT Equipe 25+ personnes , Agile , Cycle en V , Safe Test unitaire, déploiement sur plusieurs environnements : dev, qualification, préprod, production ordonnancement des process et gestion du workflow via oozie Stack Techniques : JAVA, Spark, SQL, Hive, PostgreSQL, Hadoop, JenKins, Gitlab, Jira, Nexus, Synergie, IBM Notes, Cucumber test, pyspark, script shell/bash

Contexte Développement de pipelines Big Data sur des sujets réglementaires sensibles (GDPR, LCB-FT)en environnement de production. Mon rôle - Développement et MCO de pipelines Big Data (Spark / Java / SQL) - Orchestration et fiabilisation des workflows - Gestion des déploiements multi-environnements - Monitoring et stabilisation des flux critiques Résultats - Exploitation stable de pipelines Big Data en production - Réduction du taux d’échec des flux critiques de 15 % via modernisation de l’orchestration - Amélioration du MTTR grâce à un monitoring renforcé

QUALITÉ : Assurer la mise en place de la norme ISO 9001 v 2015 dans un organisme déjà certifié ISO 9001:2008 - Rédiger et mettre à jour la documentation propre au SMQ de BOWE Systec (cartographie, procédures, modes opératoires, document d’information) en cohérence avec la norme ISO 9001 version 2015 ; - Gérer l'audit de certification ISO 9001 v 2015 et de surveillance 1 et 2 SECURITE : - Mise en place du Document Unique et de l'EvRP (évaluation des risques professionnelles) - Analyse sur terrain,participation avec la CHSCT RSE: - Mise en place d'une démarche RSE RGPD: - Déploiement du RGPD au sein de la société - Établir les registres d'activité, formaliser les Process Impact Assessment

- Développer ses connaissances en matière de raie spectrale de l’Hydrogène neutre, traitement du signal et récepteur superhétérodyne. - Archivage numérique des données techniques - Analyse de la performance de plusieurs dongles TNT ayant un chipset RTL2832U et dans une gamme de fréquence incluant la raie à 21 cm (1420.2 MHz) -Développement d'un système d'acquisition et d'enregistrement sous LabVIEW