David T.

Migration d’une architecture data legacy vers une architecture lakehouse, tout en sécurisant les usages actuels et en préparant les besoins futurs des équipes métiers :

• Migration des tables PostgreSQL legacy vers des tables Iceberg via dbt, en garantissant la continuité des usages

• Conception d'un processus de migration standardisé et reproductible avec Airflow

• Mise en place d'un Airflow local afin de faciliter le développement et de réduire le time-to-delivery

• Gestion de la phase de double run afin de sécuriser la transition métier

• Administration et optimisation des tables Iceberg (compaction, snapshots, gestion des fichiers orphelins)

• Mise en place de la CI/CD du projet et de l’infrastructure via GitLab et Terraform

Build et run de pipelines de données au sein de l’équipe BICRM pour les usages métiers :

• Pilotage et réalisation d'un projet de migration de source de données, en coordination avec les parties prenantes métier

• Développement de jobs d’enrichissement de données (Glue, Airflow, KubernetesExecutor, APIs)

• Mise en place de tests unitaires et de bonnes pratiques pour fiabiliser les pipelines dans la durée

Déploiement d’APIs de pricing visant à fournir le meilleur prix sur un trajet donné, avec des enjeux forts de performance et de disponibilité :

• Développement d'APIs serverless (Lambda, API Gateway)

• Mise en place d'une base DynamoDB afin de répondre aux contraintes de latence

• Réalisation de tests de charge afin de valider la résilience et la scalabilité

Tech stack : AWS, Spark, Airflow, dbt, Iceberg, PostgreSQL, Terraform, GitLab, Gatling

Langages : Python, Scala, JavaScript, SQL

Contribution au sein de l’équipe Data à la conception, l’industrialisation et l’exploitation de solutions data, au service des usages des équipes data et métiers :

• Traitement et valorisation de données à destination des équipes data et métiers (Spark batch & streaming)

• Déploiement et MCO de pipelines de données en environnement de production

• Développement d’APIs backend pour l’analyse d’événements clients

• Industrialisation de jobs de data science (fuzzy matching, Machine Learning)

• Contribution au déploiement de modèles de Machine Learning en production

• Veille technologique autour de l'écosystème Hadoop

Tech stack : Spark (SQL, Streaming, MLlib), PySpark, Kafka, Cassandra, Hive, NiFi, Jenkins, Zeppelin, NestJS, ONNXMLTools

Langages : Scala, Python, JavaScript, SQL

Intervention sur les contrats de maintenance nationaux, avec pour objectif d’améliorer les processus, les outils et l’efficacité opérationnelle des équipes terrain :

• Pilotage d’un projet digital d’implémentation de Salesforce Field Service Lightning, incluant le paramétrage, l’évolution et le suivi budgétaire du projet. Déploiement et paramétrage de la solution sur site auprès des équipes opérationnelles

• Responsabilité d’un contrat de maintenance national, incluant la coordination sur site d’une équipe de 15 techniciens (CA ~2,5 M€/an)

• Contribution à des démarches d’amélioration continue, avec la mise en place d’outils Méthodes & Maintenance (5S, AIC, standardisation, rituels opérationnels)