Zakaria fatih

Descriptif de la mission: Dans le cadre du plan de transformation DATA de BPI France, j’ai intégré la Direction du Pilotage des Risques et de la Rentabilité (DPRR) en tant que consultant expert Dataiku & aussi un Data PO avec pour mission principale de piloter la migration de la plateforme Alteryx vers Dataiku et d’accompagner les équipes métier vers l’autonomie analytique. • Audit et cartographie des flux existants de la production de la vision risque de la DPRR sous Alteryx (périmètre Vision Risques) en vue de leur migration vers Dataiku. • Optimisation & développement des flux de traitement: • Rédaction de la feuille de route de migration Alteryx → Dataiku : priorisation des flux, analyse de complexité, jalons de livraison • Développement et optimisation de pipelines de traitement de données sous Dataiku (recipes Python, SQL, visual) • Mise en place de tableaux de bord de data lineage permettant de tracer les dépendances entre flux et datasets sur l’ensemble de l’écosystème • Participation aux recettes fonctionnelles avec les équipes métier (DPRR, Direction Financière) • Rédaction de documentation technique et de doctrine Dataiku : standards de développement, bonnes pratiques de nommage, patterns de pipeline réutilisables. Mise en place d’un cadre de Data Quality industrialisé sous Dataiku : • Cadrage et définition des règles de qualité des données en collaboration avec les équipes métier (DPRR, Finance) : complétude, unicité, validité, cohérence, fraîcheur des données • Formalisation d’un référentiel de règles de Data Quality mutualisé et réutilisable à l’échelle des projets DPRR • Implémentation technique des contrôles de qualité dans Dataiku : • Déploiement de checks et metrics natifs Dataiku (Data Quality tab) • Développement de contrôles personnalisés via recipes Python / SQL • Automatisation des contrôles sur l’ensemble des datasets critiques (multi-sources DPRR) • Industrialisation des contrôles : intégration dans les pipelines et scénarios Dataiku (exécution automatique, contrôle à chaque run) • Mise en place de mécanismes de gestion des anomalies : alerting, seuils de tolérance, blocage ou poursuite conditionnelle des pipelines • Déploiement de dashboards de pilotage de la qualité des données (Dataiku + Power BI) : suivi des KPI de qualité, taux d’anomalies, évolution dans le temps • Mise en place d’une gouvernance Data Quality : définition des rôles (data owners, data stewards), workflow de traitement des anomalies • Généralisation de la démarche à l’ensemble des flux de la DPRR avec logique scalable et industrialisée • Contribution à l’amélioration continue de l’environnement Dataiku en lien avec les équipes infrastructure Industrialisation, scénarios & déploiement: • Conception et mise en place de scénarios Dataiku (triggers temporels, basés sur les données, et à la demande) pour l’automatisation des chaînes de traitement. • Industrialisation des pipelines : passage du développement à la production avec gestion des environnements (dev, recette, prod) via les bundles Dataiku • Déploiement des projets sur le nœud de production via l’infrastructure Automation Node de Dataiku, avec paramétrage des variables d’environnement et gestion des connexions • Mise en place de mécanismes de monitoring des scénarios : alertes, gestion des erreurs, reporting d’exécution Formateur Dataiku & ambassadeur des bonnes pratiques analytiques: • Conception et déploiement d’un rapport Power BI de suivi des risques financiers (rapport JST), restitué au Comex de BPI France — tableau de bord de pilotage donnant l’état de situation et le suivi des risques financiers à destination du top management • Formation et montée en compétences des équipes de la DPRR, de la Direction de l’Optimisation et du Suivi des Engagements (DOSE), de la Solvabilité et de plusieurs équipes de la DRG sur Dataiku et les bonnes pratiques analytiques, à travers l'animation des sessions de formation en présentiels. • Accompagnement des équipes métiers de la DOSE dans la prise en main de Dataiku, en apportant un regard critique sur les choix de conception des flux, datasets et dashboards, ainsi qu’un support méthodologique basé sur les bonnes pratiques de développement et d’industrialisation des usages Dataiku. • Contribution à la montée en connaissance des Datamarts DPRR et à la diffusion des bonnes pratiques de consommation des données auprès des utilisateurs métiers et analystes. • Apport d’expertise Dataiku dans la conception et la co-réalisation des premiers datasets, flux de données et traitements analytiques liés aux projets de migration et d’intégration de nouvelles sources de données. • Fiabilisation et optimisation de plusieurs chaînes de traitements critiques (CGR, TOP 50, Renotation), à travers des travaux d’analyse, de correction, de contrôle qualité et de sécurisation des flux de production. • Accompagnement des équipes dans la conception et l’industrialisation de tableaux de bord décisionnels destinés à remplacer des outils historiques et à moderniser le reporting métier. • Participation à la mise en place de dashboards interactifs sous Dataiku permettant de substituer des traitements Excel et Power BI existants, tout en améliorant la gouvernance, la traçabilité et l’automatisation des indicateurs. • Support fonctionnel et technique auprès des utilisateurs de la DOSE, incluant l’analyse des besoins, la résolution des problématiques de données et l’identification d’opportunités d’optimisation des processus métiers. • Rôle d’évangéliste Dataiku au sein de la direction : accompagnement des équipes métier vers l’autonomie dans la production de reporting et d’analyses visuelles ad hoc ** Stack technique: Dataiku DSS, Alteryx, Snowflake, Python, SQL, Power BI · AWS

En qualité de conférencier et enseignant universitaire, mes cours sont destinés principalement pour des étudiants de Master. * Enseignement du cours : "Modèles linéaires & la certification SAS Programming" pour les étudiants de master Statistiques pour l’Evaluation et la Prévision(M1) à Reims « 3ème meilleur master en Big Data en France » * Intervenant pour une formation(3jours) intitulée "Analyse du CRM via la Data Science avec SAS" auprès des étudiants de 2ème année de master Marketing Vente de l'université de Bretagne Sud à Vannes. * Intervenant du cours "Analyse et Gestion des données massives Big Data" pour les étudiants de licence de 3ème année des licences : AE, FCC et Gestion à Reims. * Conférencier à l'école de commerce ESGF de Paris pour un cours de "SAS dans le domaine financier" pour les étudiants du master "Big Data Finance". * Enseignant d'un cours d'initiation à SAS et préparation pour la certification Base Programming pour les étudiants de M2 Statistique et Économétrie et mention Data Science à l'université de Strasbourg.

• Compréhension et cadrage du besoin métier: Échanges avec les parties prenantes métiers afin de cerner leurs besoins et exigences spécifiques en matière de données, ainsi que les objectifs de chaque use case. • Validation du besoin avec la gouvernance : Présentation du périmètre du projet aux équipes de gouvernance pour assurer l’alignement stratégique et obtenir les validations nécessaires sur le plan RGPD, ainsi que pour la création d’un Shore S3 et/ou d’un Gold Snowflake dédié à chaque use case. • Identification des données dans la dataplatform AWS & Snowflake : Exploration et analyse des données disponibles sur S3 afin de repérer les sources pertinentes répondant aux besoins métier. En cas de nouvelles sources, organisation d’ateliers techniques avec les DE et les fournisseurs de données, création de tickets Jira et suivi de l’ensemble du processus de collecte et ingestion des données vers S3, puis acheminement des données dans la zone Bronze de Snowflake. • Développement des workflows sur Dataiku Designer : Conception et développement de workflows via Dataiku Designer selon les SPEC (spécifications fonctionnelles et techniques) définies avec les métiers. La majorité des workflows est réalisée en SQL, l’usage des visuals recipes étant limité pour des raisons de performance et de monitoring. • Création des scénarios & bundles : Mise en place de scénarios et regroupement des workflows en bundles afin d’automatiser les processus de préparation des données. • Déploiement sur Dataiku Automation : Déploiement des datamarts préparés dans les environnements de recette et de production via le déployer Dataiku, avec suivi et supervision des projets déployés sur Automation. • Création des Dynamos DB Silver et Gold sur AWS et gestion de la fréquence de rafraîchissement : Configuration des Dynamos DB en définissant les tables nécessaires aux processus de data préparation, gestion des fréquences de rafraîchissement des données ainsi que spécification des données anonymisées (RH, données personnelles, etc.). Les datamarts sont ainsi mis à jour automatiquement en fonction de la fréquence requise afin de garantir la fraîcheur des données. • Création des DAGs sur Airflow : Mise en place de DAGs Airflow (recette & prod) pour orchestrer les workflows, garantir leur bonne exécution et superviser les anomalies éventuelles. Recette, documentation et validation des datamarts : Lors de la phase de recette, documentation de chaque étape fonctionnelle et technique via DataGalaxy, puis validation des datamarts avec les équipes métier afin de s’assurer de leur conformité. • Branchement des datamarts avec PBI : Après validation par les métiers, connexion directe du datamart à PBI pour alimenter les dashboards développés par l’équipe de visuals engineers. • Formation et montée en compétences sur Dataiku : Accompagnement et formation des utilisateurs métier pour leur permettre d’exploiter efficacement les datamarts, via des ateliers et des supports de formation. • Vision approfondie sur la migration de la dataplatform : Expérience acquise lors de la migration de la dataplatform V1 d’AWS vers Snowflake et de Matillion vers Dataiku. • Participation active aux étapes de migration et apport d’une expertise technique pour optimiser les flows développés sous Matillion, notamment par l’aplatissement du SQL généré, afin de garantir la conformité des flows DSS avec ceux de Matillion. Objectif : remplacer l’alimentation du Shore (AWS) par le Gold (Snowflake) sous DSS. Projets migrés : Indicateurs Services Santé, Reporting RH, Purge GDPR, AttestationRO, DSN Full, etc. ** Environnement technologique: Dataiku( Designer, Automation, Deployer), SQL, Matillion, Snowflake, Apache Airflow, AWS(Dynamo DB, S3, Athena), Datagalaxy.

En qualité de Senior Data Analyst/Engineer au sein de Data Office de la banque: département centrale reliant les différentes entités métiers au top management de la banque. Mon rôle principal était de développer les différents Dashboards de Risque & Conformité sous Qlik Sense & Power BI et d’assurer le projet de migration des Dashboards de l’expression du besoin à l’accompagnement et formation des utilisateurs finaux.

Dans le cadre d'un grand projet de transformation digitale (OBT) , j'ai accompagné Stellantis en qualité de Data & Business Analyst & Développeur Power BI & SQL dans sa mise en place des tableaux de bords afin de tracker la livraison des pièces de construction de voitures à travers différents Dashboards.

Au sein de la Base Mondiale de Risque de Crédit(BMRC) de la direction Risque de BNP Paribas, j'étais Data Analyst et Engineer dans le cadre d'un projet de migration d'une application de Consolidation Financière qui produit le reporting réglementaire COREP, mon rôle était d'accompagner le client de la définition de la stratégie de migration de VBA vers Dataiku et à l'implémentation de la nouvelle application.

• Développement d’une solution cloud (AWS) permettant la compréhension et le traitement d’une commande gestuelle et vocale (anglais) en temps réel. • Technologies utilisées : NLP (Natural Language Processing) , RPA (Robotic Process Automation), AWS Transcribe, AWS Lex, AWS Lambda, AWS Polly, AWS API Gateway, Python, Sparql, git, gitflow, github, boto3

Le projet IMAGINE de la DSI du Groupe Société Générale: un dispositif de détection de lutte contre le Blanchiment d'Argent et le Financement du Terrorisme(LCB-FT) pour la filiale Groupe Crédit du Nord, en tant que Data Scientist j’étais chargé de: -Participer au processus de la collecte des données Big Data. -Préparer des données à partir des vues métiers dans Hive. -Participer au développement des scénarios LCB dans SAS Guide. -Mission principale: Mettre en place la segmentation analytique(le clustering) des clients du Groupe CDN pour l'amélioration d'alertes LCB-FT. -Participer au processus de calibrage des scénarios de LCB. -Développement du reporting du projet IMAGINE. -Animer les cérémonies Agile du projet. Environnement technique: SAS Guide, SAS Visual Analytics, SAS AML 7.1, Hive,Pyhton, Talend, Apache Oozie, Jira.

Parcours Data Scientist avec spécialisation Fraude, AML: - Module de Business Analytics, dont plate-forme SAS® Viya®, Big Data, intégration de données, Data Management, Reporting, Data Visualisation … - Module analytiques avancées, dont statistique, Machine Learning, prévision, Text Mining, recherche opérationnelle. Spécialisation en Customer Intelligence et Fraude : - CI : Integrated Marketing Management, connaissance client, orchestration des interactions clients, pilotage de la performance et efficacité marketing, digital marketing - - Fraude - AML : assurance ,banque, secteur public, lutte contre le blanchiment et le financement du terrorisme