
Valentin Dormeuil
Data Engineer | PostgreSQL • dbt • Airflow • Fast
Salaire / Taux journalier
Île-de-France, France
Mobilité : Île-de-France
Freelance, ouvert au CDI
Peut venir sur site
Expertises
Langues
À propos
Introduction
Après plusieurs années dans la grande distribution, j'ai choisi d'orienter ma carrière vers le Data Engineering afin de concevoir des plateformes de données performantes et de mettre à profit ma compréhension des enjeux métier. Dans le cadre de ma reconversion, j'ai développé Crypto Alerts, une plateforme de données reproduisant une architecture de production couvrant l'ensemble du cycle de vie de la donnée : ingestion batch et temps réel, transformation, modélisation analytique, API REST, visualisation et observabilité. La plateforme a été conçue pour traiter plusieurs millions d'utilisateurs, de positions et de notifications, avec une architecture optimisée autour de PostgreSQL, Airflow et dbt. Ce projet m'a permis de concevoir une solution complète intégrant : • Des pipelines d'ingestion batch (CCXT) et temps réel (WebSockets). • L'orchestration et l'automatisation des workflows avec Apache Airflow. • Le développement de traitements Python pour la collecte, la transformation et l'analyse des données. • Le stockage et l'optimisation des données dans PostgreSQL. • La modélisation analytique avec dbt (staging et marts). • Le développement d'une API REST avec FastAPI. • La création de tableaux de bord avec Streamlit et Tableau. • La mise en place du monitoring avec Prometheus et Grafana. • La conteneurisation de la plateforme avec Docker Compose. • L'automatisation des tests avec Pytest et GitHub Actions. Quelques chiffres • 2 000 000 d'utilisateurs générés en environ 13 minutes grâce à un traitement batch optimisé. • Plusieurs millions de notifications et d'alertes de prix traitées. • 3 data marts construits avec dbt pour l'analyse des utilisateurs, des notifications et des cryptomonnaies. • 3 tableaux de bord Tableau et 1 dashboard Streamlit développés pour l'analyse métier et le suivi opérationnel. Aujourd'hui, je recherche une opportunité en Data Engineering où je pourrai contribuer à la conception de pipelines de données, d'architectures analytiques et de solutions à forte valeur métier, tout en continuant à développer mes compétences techniques. Compétences : Python • SQL • PostgreSQL • Apache Airflow • dbt • FastAPI • Docker • Streamlit • Tableau • Prometheus • Grafana • Git • GitHub Actions • ETL / ELT • Data Pipelines • Analytics Engineering
Expérience de travail
Data Engineer — Projet personnel : Crypto Alerts
Formation Data Engineer
janv. 2026 - mai 2026
5 mois
Plateforme de données reproduisant une architecture de production, intégrant l'ingestion de données historiques et temps réel, la modélisation analytique, le Machine Learning, l'exposition des données via API, des tableaux de bord et un système d'alertes personnalisées. Quelques chiffres: • 2 000 000 d'utilisateurs générés en environ 13 minutes grâce à un traitement batch optimisé. • Plusieurs millions de notifications et d'alertes de prix traitées. • 3 data marts construits avec dbt pour l'analyse des utilisateurs, des notifications et des cryptomonnaies. • 3 tableaux de bord Tableau et 1 dashboard Streamlit développés pour l'analyse métier et le suivi opérationnel. Principales réalisations : • Conception de pipelines d'ingestion batch (CCXT) et temps réel (WebSockets). • Développement de traitements Python pour la collecte, la transformation et l'analyse des données. • Orchestration et automatisation des workflows avec Apache Airflow. • Stockage, optimisation et modélisation des données dans PostgreSQL. • Construction d'une couche analytique avec dbt (staging et marts). • Optimisation des traitements SQL et conception d'une plateforme capable de traiter plusieurs millions d'utilisateurs et d'alertes. • Développement d'une API REST avec FastAPI pour l'exposition des données. • Développement d'un système de prédictions et d'alertes personnalisées. • Création de tableaux de bord opérationnels (Streamlit) et analytiques (Tableau). • Conteneurisation de la plateforme avec Docker Compose. • Mise en place de l'observabilité avec Prometheus et Grafana. • Automatisation des tests avec Pytest et GitHub Actions. Technologies : Python • SQL • PostgreSQL • Apache Airflow • dbt • FastAPI • Docker • Streamlit • Tableau • Prometheus • Grafana • GitHub Actions
Chef de secteur
Armada
févr. 2026 - mai 2026
4 mois
Vétheuil, France
- Chef de secteur GMS pour le compte de la société Tramier
GoToSell
déc. 2024 - mai 2025
6 mois
Vétheuil, France
Chef de secteur
mars 2025 - mai 2025
3 mois
Vétheuil, France
- Chef de secteur GSS pour le compte de la société Dessange
Promoteur des ventes
déc. 2024 - mars 2025
4 mois
Vétheuil, France
- Promoteur des ventes GMS pour le compte de la société Lune de Miel
Chef de secteur
VIRAGE CONSEIL
mars 2021 - oct. 2022
1 an 8 mois
7620 Paris, Danemark
Promoteur des ventes
SERVICE INNOVATION GROUP
déc. 2020 - janv. 2021
2 mois
Vétheuil, France
- Promoteur des ventes pour le compte de la société HG France
Chef de secteur/commercial junior en alternance
Régilait
févr. 2019 - oct. 2019
9 mois
Seine saint denis / Seine et marne
Promoteur des ventes
UP SELL - Force de Vente Externalisée
mars 2018 - juil. 2018
5 mois
Saint-Denis, France
- Promoteur des ventes pour le compte de la société RedBull
Employé libre service
Monoprix
mai 2014 - oct. 2016
2 ans 6 mois
93320 Les Pavillons-sous-Bois, France
Contrat étudiant en tant que employé libre service
Formation
Liora
Data Product Manager
2025 - 2026
1 an 1 mois
Formation couvrant les principales étapes du cycle de vie d'un produit Data, de l'identification du besoin métier à la définition d'un MVP. Compétences développées : - Product Discovery et analyse des besoins - Élaboration de personas et priorisation des fonctionnalités - Définition d'indicateurs de performance (KPIs) - Conception et cadrage d'un MVP Data - Gouvernance des données, conformité RGPD et gestion des risques - Collaboration entre équipes produit et techniques
Liora
Data Engineer
2025 - 2025
1 mois
Formation couvrant les principaux domaines du Data Engineering, de la conception de pipelines de données à leur déploiement et leur supervision. Principaux domaines étudiés : - Programmation : Python, SQL - Modélisation des données : PostgreSQL, NoSQL - Data Engineering : ETL / ELT, Apache Airflow, dbt, Kafka - Data Processing : PySpark - API & Backend : FastAPI - Machine Learning : Feature Engineering, entraînement et prédiction de modèles - Observabilité & Qualité : Pytest, Prometheus, Grafana - DevOps : Docker, Git, GitHub, Linux (Bash) - Data Warehouse : Snowflake
ESGCI
Bachelor's degree, Marketing et commerce
2019 - 2019
1 mois
Résultat : Obtenu
Lycée Jean Renoir Bondy
BTS, Management des unités commerciales
2014 - 2016
2 ans 1 mois
Résultat : Obtenu