À propos de Lorena
🤝 Lorena en quelques mots :
🌟 Je suis une passionnée de la data engineering. J'ai 4.5 années d'experience et j'ai travaillé avec des clients operants dans des secteurs d'activité différents.
🚀 J'ai les entreprises à concevoir, migrer, et optimiser, automatiser leurs pipelines de données. Je contribue egalement à l'identificateur des meilleurs choix techniques et architectural et au transfert de connaissances.
📚 Je crée du contenu en Data engineering et j'accompagne les Data Ingenieurs dans leur croissance technique. J'explique les concepts très techniques de manière simple et pratique.
⚡️ Ce que je fais :
✅ Mise en place de pipelines de données (ETL/ELT)
✅ DataOps
🛠️ Outils & technologies :
Cloud & Data Platforms : AWS ( Glue, ECR, Lambda, EC2, Athena, S3, Data Catalog,...)
Data Engineering: PySpark, Python, Databricks, dbt
Infrastructure: IaC, Terraform, CloudFormation
CI/CD : Docker, ECR, Github Actions, Git, Gitlab CI/CD
Orchestration : Airflow, MWAA
💡 Pourquoi travailler avec moi ?
- Je suis une passionnée de la Data Ingenierie
- Je suis une très bonne communicatrice, j'ai la capacité de transmettre des concepts très techniques vers un public technique ou non technique
- Je sais fournit des solutions personnalisées et efficaces
- J'ai de l'experience dans le monde du conseil
- Je suis orientée business, et je sais très bien comprendre et interpreté les besoins du client.
Français
Bilingue ou natif
Anglais
Bilingue ou natif
Accepte de travailler sur site
Paris (jusqu’à 10 km)
Expériences
- DecathlonDATA ENGINEER CONSULTANTmai 2023 - novembre 2024 (1 an et 6 mois)Paris, France
Contexte :
- Mission stratégique pilotée par Decathlon centre : migration complète de 50+ pipelines critiques depuis Redshift vers Databricks et décommissionnement de l’infrastructure legacy.
- Enjeux : réduction des coûts d’infrastructure, amélioration des performances et unification sur la stack Databricks groupe.
Tâches réalisées :
- Implémentation des pipelines de données dans l’architecture Lakehouse existante (médaillon Bronze/Silver/Gold)
- Analyse du mapping de l’existant : audit des 50+ pipelines Redshift, identification des dépendances.
- Modélisation des données en zone Gold : création de dimensions optimisées selon le standard Kimball adaptés au retail.
- Migration et adaptation de 50+ pipelines legacy vers les différentes couches Delta Lake avec dbt ou pyspark selon la complexité
- Refactoring de la logique métier complexe
- Mise en place des techniques d’optimisation Spark avancées : Z-ordering, broadcast joins
- Mise en place des pipelines CI/CD avec GitHub Actions : tests automatisés, déploiement multi-environnements (dev/preprod/prod)
- Migration de l’orchestration basées sur des tâches cron/schedulers AWS vers MWAA.
- Mise en place de tests de qualité de données avec dbt tests et contrôles PySpark custom sur Databricks.
- Formation des équipes locales sur les nouvelles technologies et best practices.
Stack Technique : Databricks, Delta Lake, dbt Core, PySpark, Airflow (MWAA), GitHubActions, s3, AWS ECR - MichelinDATA ENGINEER CONSULTANTdécembre 2024 - avril 2025 (4 mois)
Contexte :
- Mission de consulting spécialisé pour accompagner les équipes Michelin (France + Inde) sur l’adoption de dbt et Databricks.
- Capitalisation sur l’expertise acquise lors de la mission Decathlon pour transférer les best practices Modern Data Stack
- Objectif : montée en compétences des équipes et explorations des possibilités technique via des PoCs.
Tâches réalisées :
- • Accompagnement des équipes sur l’utilisation avancée de dbt (modélisation, tests, documentation)
- Réponses aux besoins techniques spécifiques et résolution de blocages complexes
- Développement de PoCs pour démontrer les capacités avancées de dbt
- Benchmark et comparatif technique des solutions d’orchestration (Airflow vs Dagster vs Prefect) via des PoCs pratiques
- Implémentation de pattern avancés : lineage, data quality checks automatisés (Great Expectations, Elementary)
Stack technique : dbt core (Jinja templating avancé, macro custom), Airflow,Dagster, Prefect, Python, SQL, Great Expectations, Elementary - PSADATA ENGINEER CONSULTANTnovembre 2022 - avril 2023 (5 mois)
Contexte :
- Traitement de 1TB+ de données financières (Belgique et Pays-Bas) avec des
exigences de disponibilités et de performances élevéesTâches réalisées :
- Développement et optimisation de pipelines Spark (Pyspark) pour le traitement de volume importants de données financières
- Mise en place de nouveaux pipelines de données selon les besoins métiers évolutifs
- Maintenance préventive et corrective du Datalake : surveillance des performances, résolution de dysfonctionnements.
Stack technique : Apache Spark, SQL, DBeaver, Python
Recommandations
Soyez le premier à recommander Lorena
Contribuez à la réussite de ce freelance en partageant votre expérience de collaboration avec lui.
Ces profils de freelance correspondent également à vos critères
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Formations
- Diplôme d'ingénieurESIGELEC2020Data Ingenierie, DevOps, Architecture et services cloud, Big Data
Certifications
- Databricks Certified Data Engineer AssociateDatabricks2023
- Databricks Certified Associate Developer for Apache SparkDatabricks2025