Ilan B.

En tant que Lead Tech & Data, mon rôle englobe à la fois les aspects techniques et la tech et la data. Vous avez dirigé le développement du backend de l'application en utilisant des technologies telles que NodeJS, Express et MongoDB. Mon expertise s'étend à la conception d'une architecture de schéma backend pour optimiser le flux de travail et la logique métier. Je m’assure une synchronisation efficace entre le backend et le front-end No-code fait avec Bubble.io.

Une partie essentielle de mon travail consiste à garantir des performances backend optimales en mettant en œuvre des micro-services avec Cloud Functions et Pub/Sub, ou Cloud Run pour le déploiement. J’ai également travaillé sur l’intégration de partenaires via leur API.

Pour la partie Data, j’ai mis en place des processus d'intégration avec Fivetran, créé des couches d'extraction et de transformation(DBT) et utilisé Lookerstudio pour élaborer des tableaux de bord pertinents.

En ce qui concerne les processus internes, j’ai favorisé une communication fluide en utilisant Slack et Notion. Je gère des cycles de développement agiles (Sprint), nous documentons beaucoup les avancées techniques et effectuons des revues de PR sur Github pour maintenir la qualité du code.

En tant que Lead Tech & Data, j’ai exercé un rôle central en reliant les aspects techniques et les données, en optimisant les performances et en favorisant une collaboration efficace au sein de Qeeps.

J'ai rejoint Flink après l'acquisition de Cajoo en tant que Lead Data Scientist pour travailler sur les projets Last Mile.

Concevoir la demande prévisionnelle pour créer la planification des coureurs et des préparateurs dans le Hub.

La demande prévisionnelle est liée à de nombreux projets (par exemple, les prévisions de commandes, les prévisions de non-présentation, la productivité de nos coureurs et de nos préparateurs, etc.

- Prévision des commandes : Nous utilisons différents modèles de Machine Learning pour prévoir le nombre de commandes dans les 4 semaines à venir.

- Prévision de non-présentation : Nous travaillons sur la prévision du pourcentage d'absences afin d'ajuster le nombre de coureurs et de préparateurs.

Actuellement Data Scientist chez Cajoo sur le scope Delivery.

J'ai travaillé lors des derniers mois sur différents projets:

- Création d'une webapp pour automatiser la création des plannings pour les livreurs avec l'utilisation d'algorithme de Machine Learning pour prédire le besoin de livreurs en se basant sur l'historique de commande.

- Optimisation des plannings livreurs, courir l'ensemble des besoins avec un nombre de livreurs limité, et bien d'autres contraintes.

- Project cross team avec l'équipe Software Engineer pour créer un système de scoring pour désigner le meilleur livreur pour chaque commande.

- Utilisation de dbt pour récupérer les données raw de production et transformer la data pour qu'elle soit accessible facilement pour les équipes business.

- Dashboarding pour tracker l'activité en real-time avec Metabase.