Youssef SAMLALI

Contexte: Modernisation et consolidation du stack data vers Clickhouse. Projet: Création du datamart groupe basé sur une infrastructure orienté analytiques. Réalisations: – Refonte complète de la chaîne ETL en production, migration de MySQL vers ClickHouse pour des traitements massifs plus rapides et scalables. – Modélisation de schémas et settings ClickHouse (MergeTree, partitionnement, TTL) – Développement de connecteurs S3 afin d'assurer un stockage et un échange efficace de gros volumes de données. – Collaboration étroite avec les équipes Data et Ops pour garantir une migration fluide et sans interruption de service. – Amélioration de la qualité, disponibilité et accessibilité des données pour les équipes métier et data science (reporting, analytics temps réel, monitoring). Résultats: – Optimisation des workflows de traitement : réduction des temps de chargement et d'agrégation. – Source de vérité unique et baisse significative des jours d'échecs en production

Contexte: Accompagner la transformation digitale de l'équipe data au sein de Free réseau Projet: Développement de modèles d'optimisation et de Machine Learning Réalisations: – Développement de modèle de forecasting des séries temporelles sur les incidents réseau des abonnées – Détection d'anomalies sur les délais de résolution d'incidents réseau – Ingestion des données depuis des Webservices vers SQL via tache cron – Consommation de topics kafka en temps réel et alimentation d'une table SQL

Contexte: Startup spécialisée dans l'instant buying immobilier. Projet: Prédiction des prix d'achat et de revente ainsi que le coefficient de risque pour les transactions immobilières Réalisations: – Elaboration de modèles de prédiction pour le pricing des biens immobiliers – Développement d'une API publique de pricing – Analyse des données du marché immobilier Résultats: – Amélioration de la précision des évaluations immobilières de 20%, renforçant la fiabilité des transactions. – Amélioration de la satisfaction client via des prédictions plus pertinentes et actualisées.

Contexte: Génération automatique et ciblée de prospects clients. Projet: Alimentation et enrichissement d'une base de données de prospects avec des méthodes de Web Scraping. Réalisations: – Développement de scripts de Web Scraping en Python. – Classification de leads avec des algorithmes de Machine Learning. – Automatisation des alertes via l'API Metabase. – Réalisation de tableaux de bord interactifs (Tableau, Metabase). Résultats: – Augmentation du nombre de prospects qualifiés de 20% en moyenne par campagne. – Réduction du délai de génération des leads de 30%.