Dossier de compétences
Consultant big data

Consultant Big Data Senior - Capgemini

05-2021 - 06-2024

Contexte :

Groupe international – Transformation digitale d'un leader du retail, migration on-premise vers cloud.

Missions :

• Conception et mise en œuvre d’une architecture Data Lake sur AWS EMR permettant la centralisation de 15 sources de données hétérogènes.
• Déploiement de pipelines d’ingestion temps réel avec Kafka et Spark Streaming.
• Optimisation des performances des clusters Hadoop, réduction des coûts de 20% sur l’infrastructure.
• Mise en place d’automatisations CI/CD data assurant une livraison continue et fiable des jobs analytiques.

Environnement technique :

AWS EMR, S3, Spark, Kafka, Airflow, Hadoop, Terraform, Git

Résultats :

Réduction du temps de traitement de la donnée de 70 %, amélioration de la qualité des données et capacité temps réel, augmentation de la satisfaction client.

Ingénieur Big Data - Sopra Steria

03-2018 - 04-2021

Contexte :

Cabinet de conseil – Projet d’intégration et valorisation de la donnée client pour le secteur bancaire.

Missions :

• Développement de pipelines ETL évolutifs sous Spark et Talend manipulant +6 To/jour.
• Supervision et administration quotidienne d'un cluster Hadoop de plus de 100 nœuds.
• Réalisation d’analyses avancées pour la détection de fraude à partir de flux transactionnels massifs.
• Implémentation de dashboards BI permettant le monitoring en temps réel des KPIs bancaires.

Environnement technique :

Hadoop, Spark, Talend, Hive, Kafka, Tableau

Résultats :

Automatisation complète de la chaîne data, accélération du reporting de 80 %, identification de scénarios de fraude entraînant une économie annuelle de 2M€.

Data Engineer / Architecte Big Data - BNP Paribas

09-2015 - 02-2018

Contexte :

Grande banque internationale – Modernisation du SI décisionnel et industrialisation du reporting réglementaire.

Missions :

• Modélisation de bases NoSQL pour le stockage temps réel et la conformité réglementaire.
• Industrialisation de traitements batch/streaming grâce à Hadoop et Flink.
• Optimisation des scripts Scala et Python pour analyses volumineuses.
• Encadrement d’une équipe de 4 data engineers et formation interne sur les bonnes pratiques Big Data.

Environnement technique :

HBase, Scala, Python, Flink, Hadoop, Jenkins

Résultats :

Alignment conformité Bâle III, délais de livraison des reporting réglementaires divisés par 3, montée en compétence de l'équipe et fiabilisation des traitements de données.

Master Big Data et Intelligence Artificielle - Télécom Paris

09-2013 - 07-2015

Double compétence systèmes distribués et analyses avancées des données volumineuses.

Licence Informatique - Université de Nantes

09-2010 - 07-2013

Fondamentaux du développement logiciel et manipulations de bases de données.