Tarik ED DARDI

Recueillir et formaliser les besoins métiers et utilisateurs (KPI, pilotage d’activité, cas d’usage), puis les traduire en exigences data exploitables dans un contexte Agile. Cartographier les sources (API, bases SQL/NoSQL, fichiers), identifier les données clés et concevoir un data modeling adapté (SQL et NoSQL) pour garantir cohérence, traçabilité et performance analytique. Concevoir et développer une architecture de données Azure robuste, scalable et sécurisée (Data Lake / Lakehouse / Data Warehouse), en s’appuyant sur les standards cloud et les bonnes pratiques d’industrialisation. Développer des pipelines d’ingestion et de transformation en Python et PySpark, en orchestrant les flux via les services Azure afin d’assurer des traitements fiables et reproductibles. Mettre en œuvre des traitements distribués et des optimisations Big Data sur Azure Databricks (jobs Spark, notebooks, Delta Lake), avec une attention particulière à la performance et aux coûts. Déployer des composants serverless avec Azure Functions pour automatiser les déclenchements, fiabiliser les processus event-driven et exposer des services techniques légers si requis. Assurer la mise en production, le monitoring et la supervision des pipelines et de l’architecture (logs, alerting, observabilité), en intégrant une démarche CI/CD et Git. Garantir la maintenance évolutive de la plateforme data : correction d’incidents, refactoring, montée en charge, ajout de nouvelles sources et amélioration continue des traitements. Mettre en place et faire respecter les bonnes pratiques de gouvernance, qualité et sécurité des données (contrôles, gestion des accès Azure, Key Vault, conformité). Collaborer étroitement avec les équipes métiers, Data et DSI (incluant la Finance), pour prioriser les évolutions, sécuriser les livraisons et maximiser la valeur des données produites.

Extraction, collecte, nettoyage et maintenance des données depuis différents systèmes et sources. Récupération des données en temps réel (SQL) avec le service informatique du Grand Paris Sud. Développement de pipelines et librairies internes d’ingestion et de transformation des données (Python, PySpark). Conception et optimisation de modèles de données (schémas SQL / Data Marts) pour fiabiliser les analyses et accélérer les temps de réponse. Mise en place de contrôles de qualité des données (tests, détection d’anomalies, règles de cohérence) et automatisation des alertes. Création, maintenance et diffusion de tableaux de bord Power BI à destination des différentes directions métiers. Mise en place de rapports Power BI : distribution, Row Level Security, Power BI Premium, Power BI Gateway. Prototypage sur de nouvelles sources de données et conception de dashboards Power BI automatisés. Définition des KPIs avec les métiers, animation d’ateliers de cadrage et formalisation des besoins fonctionnels. Production de reporting récurrents, analyse des tendances et recommandations opérationnelles aux décideurs. Rédaction et maintien de la documentation technique et fonctionnelle (dictionnaire de données, procédures d’exploitation, guides utilisateurs). Cartographie des données via QGIS et Power BI pour des analyses territoriales et géospatiales.

- Acquisition de données bancaires indiennes à partir de la plateforme Kaggle. - Mise en place d’un processus de nettoyage des données en Python pour assurer la qualité des données. (Utilisation des bibliothèques telles que Pandas-dq ou Pandas pour nettoyer les données.) - Transformation des données brutes pour une meilleure compréhension de la base de données. - Développement de modèles de machine learning pour l’évaluation de crédit bancaire.(Utilisation des techniques telles que la régression logistique, les machines à vecteurs de support, les arbres de décision, les forêts aléatoires et XGBoost pour développer ces modèles.) - Évaluation des modèles en fonction de scores d’accuracy et de précision pour garantir leur fiabilité. (utilisation des bibliothèques telles que Scikit-learn pour évaluer les performances des modèles ) - Création d’une interface web pour déployer le modèle choisi, permettant son utilisation pratique. Utilisation des bibliothèques telles que Gradio pour créer une interface utilisateur pour le modèle.)