yassine kharkhache

Conception et mise en œuvre d’une plateforme Data Cloud sur Snowflake pour des cas d’usage en Loyalty, Revenue Management et Customer Data, couvrant l’ensemble de la chaîne de valeur data (ingestion → stockage → transformation → exposition), avec un fort accent sur la scalabilité, la performance et l’optimisation des coûts via l’Infrastructure as Code (Terraform, dbt). Développement et optimisation de pipelines d’ingestion industrialisés pour les données issues des systèmes opérationnels hôteliers (PMS et systèmes associés), en s’appuyant sur AWS S3 et Snowpipe pour des chargements automatisés, fiables et en temps réel ou quasi temps réel. Pilotage de la migration de la stack ETL Talend vers une architecture moderne orientée ELT, incluant la refactorisation des workflows legacy en modèles dbt Core modulaires, testables et maintenables. Industrialisation des traitements batch à grande échelle, permettant de réduire les temps de rafraîchissement de plus de 24h à moins de 2h, et d’assurer une disponibilité des données en J-1 pour les équipes métier. Modélisation de data marts analytiques et exposition des données pour les usages décisionnels (Revenue Management, Finance, Opérations) via Tableau, facilitant l’autonomie des équipes et la prise de décision. Mise en place de l’orchestration et de l’observabilité des workflows avec Airflow : gestion des dépendances, monitoring, alerting et amélioration de la fiabilité des pipelines. Développement de macros et de contrôles de qualité des données (data quality checks, monitoring, alertes) afin de garantir la fiabilité et la traçabilité des flux. Outils : Snowflake, dbt, Airflow, AWS S3, Terraform, Tableau, Talend

Conception et industrialisation de pipelines analytiques scalables avec dbt, automatisant les transformations ELT et améliorant significativement la fraîcheur des données ainsi que la vélocité de livraison des cas d’usage métier. Développement de macros dbt avancées, réutilisables et standardisées, permettant de mutualiser les bonnes pratiques, de réduire la duplication de code et d’augmenter la productivité des équipes data. Mise en conformité des plateformes analytiques avec les exigences RGPD : sécurisation des données personnelles via des mécanismes de contrôle d’accès (RBAC, RLS/CLS), traçabilité des accès et séparation des environnements. Application des pratiques FinOps sur la plateforme Data Cloud : pilotage de la consommation, suivi des coûts, optimisation des warehouses et réduction des dépenses d’infrastructure. Implémentation de pipelines CI/CD data avec GitLab CI, fiabilisant les déploiements, la gestion des environnements (dev, staging, production) et accélérant les mises en production. Mise en place d’un cadre de Data Quality incluant des tests automatisés dbt, le monitoring des flux, l’alerting et l’observabilité, garantissant la fiabilité des indicateurs analytiques. Animation d’une communauté transverse autour de la Data Quality : diffusion des standards, accompagnement des équipes et adoption des bonnes pratiques à l’échelle du groupe. Exposition des modèles analytiques pour le reporting décisionnel via Microsoft Power BI, facilitant l’autonomie des équipes métier. Outils : Snowflake, dbt, Power BI, GitLab CI, FinOps