Youssef Ben Farhat

Dans un contexte de forte croissance et de digitalisation, Betclic a initié la mise en place d’une plateforme Data Mesh sur AWS. L’objectif était de rendre la donnée plus accessible, fiable et gouvernée pour l’ensemble des équipes (BI, Data Science, Produit), tout en supportant de nouveaux cas d’usage temps réel pour améliorer l’expérience des parieurs en ligne. Responsabilités : - Vision produit & gouvernance Data : cadrage et définition de la roadmap produit data, animation du backlog et alignement avec les parties prenantes (équipes techniques, métiers et direction). - Développement de nouvelles fonctionnalités Data : conception et pilotage de la livraison de TopBets, une fonctionnalité temps réel permettant de mettre en avant les paris les plus populaires. Ce produit a permis d’augmenter l’engagement utilisateur de 17 % et l’activité de paris in-app de 10 %. - Gestion de la valeur & arbitrage : priorisation des évolutions en fonction de l’impact business et de la faisabilité technique, garantissant la livraison de cas d’usage analytiques à forte valeur ajoutée (suivi en temps réel, reporting enrichi, optimisation des offres)

Participation au projet européen CATENA-X, initiative visant à standardiser et faciliter l’échange de données entre constructeurs automobiles et leurs partenaires. L’objectif était de définir un cadre commun et interopérable permettant à des acteurs comme BMW de partager et consommer de la donnée de manière sécurisée et gouvernée, tout en accélérant les cas d’usage analytiques et industriels Responsabilités : - Interface entre parties prenantes et équipes techniques : rôle de médiateur entre les métiers, les équipes produit et les équipes de delivery technique pour garantir une vision partagée et cohérente du produit. - Définition de la vision produit et de la roadmap : contribution à la conception des fonctionnalités avec le Product Owner, en veillant à aligner les livraisons sur les objectifs stratégiques de BMW. - Animation d’ateliers fonctionnels : organisation de workshops de recueil de besoins et de sessions de backlog refinement, transformation des besoins métiers en user stories claires et actionnables. - Conception et industrialisation de pipelines de données : ingestion, transformation et validation de flux data sur AWS, en utilisant Python, Spark et Terraform, afin de garantir qualité, scalabilité et conformité des échanges de données. Environnement technique : Python, SQL, AWS, Spark, Terraform, Snowflake, DataDog, Jira, Confluence, Microsoft Office 365

Mission pour le laboratoire pharmaceutique BIAL, visant à mettre en place une plateforme de suivi temps réel des indicateurs clés de performance des équipements et de validation de paramètres critiques de production. Responsabilités : - Conception de dashboards de monitoring : développement des dashboards en temps réel permettant aux équipes métiers de suivre en continu les KPIs et d’anticiper les anomalies. - Automatisation et déploiement d’infrastructures : orchestration du déploiement sur plus de 10 machines virtuelles réduisant le temps de mise en production et garantissant la scalabilité de la solution. Environnement technique : Python, Microsoft Azure, PostgreSQL, TimescaleDB, Apache Kafka, Grafana, Ansible, Jira, Confluence, Microsoft Office 365

Projet d’innovation en intelligence artificielle appliquée à la reconnaissance faciale et à l’analyse émotionnelle, destiné à être intégré dans des solutions de sécurité et d’expérience utilisateur personnalisée. Responsabilités : - Développement d’une API intelligente : conception d’une API avec FastAPI, intégrant des modèles de deep learning pour la reconnaissance faciale et la détection d’émotions en temps réel. - Industrialisation et déploiement : conteneurisation du modèle sous forme de microservice avec Docker, facilitant l’intégration dans différents environnements clients. Environnement : Python, FastAPI, Tensorflow, OpenCV, YOLO, Docker