Yacine Amesrouy

– Mise en place complète d'une data platform cloud-native (Snowflake + AWS + dbt + Pulumi). – Conception de Snowpipes automatisés pour ingérer des données structurées et non structurées depuis S3. – Orchestration des traitements via AWS Lambda et EventBridge pour le processing et le partage de données (API / exports). – Création et maintenance d'AWS Batch orchestrant les exécutions dbt pour automatiser et fiabiliser les runs de modèles. – Industrialisation CI/CD: création d'un Dockerfile dbt packagé via GitHub Actions, build/push automatique vers Amazon ECR, puis exécution sur AWS Batch. – Construction de datasets métiers dans Snowflake via dbt (modélisation, tests, documentation). – Déploiement de Cortex Analyst et Snowflake Intelligence pour le self-BI et les assistants IA "talk to your data". – Création de connecteurs Snowflake ↔ SharePoint pour fluidifier les échanges entre équipes. – Pilotage d'infrastructures via Pulumi (IaC) pour automatiser la création de buckets, pipes, tasks et stages.

– Participation à la construction de la plateforme data cloud du groupe Decathlon (AWS + Databricks + dbt). – Mise en place de pipelines d'ingestion depuis le lac S3 vers la couche Silver (PySpark) et transformation vers la couche Gold (dbt / Databricks). – Optimisation des jobs MWAA (Airflow managé AWS) pour automatiser l'ensemble des workflows data (ingestion, nettoyage, transformation). – Data Modeling: conception de modèles analytiques pour les équipes produit, finance et marketing. – Data Quality & Observability: mise en place de contrôles qualité via dbt tests + elementary + SonarCloud. – CI/CD & Collaboration: intégration de tests unitaires, linting et déploiements automatisés via GitHub Actions. – Contribution à la mise en place du catalogue de données interne et de la documentation technique. – Optimisation du coût S3 / compute Databricks via monitoring et paramétrage des clusters. – Accompagnement des équipes BI dans la migration des dashboards Power BI vers la nouvelle architecture. – Collaboration transverse avec les équipes DevOps et Data Science sur la gestion des environnements et la sécurité.

– Réalisation d'études de données stratégiques pour la direction (croissance, comportement utilisateurs, monétisation). – Segmentation clients avancée combinant enquêtes, géolocalisation et comportement dans l'application. – Création de clusters via NLP et Machine Learning supervisé. – Visualisation et storytelling data via Plotly et Dash. – Développement de modèles de recommandation et scoring comportemental (Python / scikit-learn / pandas). – Industrialisation de notebooks vers des scripts automatisés pour le reporting hebdomadaire. – Participation à la maintenance du backend Python / Flask / PostgreSQL, notamment pour les endpoints d'API liés à la data. – Support aux équipes marketing pour l'interprétation des KPIs et la construction de dashboards analytiques.