Ousmane Camara

Objectif :

• Encadrement d'équipes

• Mise en place de bonnes pratiques de développements

• Participation aux développements des applications

• Responsable de la mise en production

• Analyse des expressions de besoins métiers (EDB)

• Cadrage et gestion de projets

• Scrum Master Développement et industrialisation d'applications de lutte contre le blanchiment (LAB) et le financement terrorisme (CFT) sur le périmètre ABS (AML Behavior Spotting).

Sujets traités et réalisés :

Différents modules créés et déployés en production :

• ABS FT (Financement Terrorisme) : Transactions bancaires (Vire ments, Prélèvements, Cartes bancaires, Clôtures Livrets, etc.) et Personnes physiques

• ABS Crypto : Transactions bancaires sur la cryptomonnaie (Vire ments, Cartes bancaires, Clôtures Livrets, etc.), Personnes phy siques et morales

• ABS Asso : Transactions bancaires des associations (Virements, Prélèvements, Cartes bancaires, Clôtures Livrets, etc.) et per sonnes morales

• ABS Collect : collecte des données sources

• ABS Réseaux : suivi du comportement des clients (PP & PM). Les transactions effectuées par les clients sont analysées et d'éven tuels signaux faibles identifiés.

• ABS Transaction Monitoring : pour les trois principaux scénarios (FT, ASSO & CRYPTO) un suivi journalier est effectué en comptant le nombre de lignes générées par chaque traitement

• ABS IHM FT : l'IHM contient la liste des termes (Cartes, Virements, Prélèvements, etc.) utilisés pour la détection des signaux faibles. Trois banques concernées :

• BDDF (Banque de détail en France) CAMARA

• Boursorma (banque en ligne)

• CDN (Crédit du Nord)

•

Fusion juridique des banques BDDF et CDN

Environnements Techniques :

• Frameworks : Hadoop & Spark

• Distribution : Hortonworks & Cloudera

• Langages : Java, Scala, Shell

• Autres : Hive, Elasticsearch, Kakfa, SonarQube, Nexus, Jenkins, AWX, Hue, Oozie, PostgreSQL, etc. Méthode agile : Scrum

Objectif :

• Rédaction du rapport d'étonnement

• Construction du socle de l'alimentation des données

• Ingestion de données sources (Data Raw & Data Table)

• Modélisation et alimentation du modèle d'objet métier (MOM)

• Modélisation et alimentation du modèle d'objet d'usage (MOU)

• Construction de Datamart pour répondre aux besoins métiers

• Construction des reporting sur QuickSight & Qlik Sense Industrialisation d'une plateforme Data Centric dans le Cloud AWS. Sujets traités :

• Fonds d'Investissement Alternatifs (FIA) : Reporting Fichier de synthèse & Article 89

• Suivi Fonds de Fonds (SFF) : Reporting Light Hebdo & Business Review

• Suivi Véhicules d'Investissement (SVI) : Reporting Valorisation par instrument & ANATITRE Réalisations :

• Construction du socle de l'alimentation des données sur AWS

• Ingestion des données sources dans des Data Raw et Data Table via S3, Redshift & Aurora

• Modélisation et alimentation des modèles d'objet métier et d'usage (MOM & MOU) sur Redshift

• Construction de datamart pour alimenter des tables et applications destinées aux métiers via Aurora, Athena & Glue.

• Visualisation des reporting sur QuickSight & Qlik Sense

Objectif :

• Ingestion de données massives issues de sources diverses (MVS, Teradata, Oracle, CSV, Web-Services, fichiers plats, etc.)

• Construction de Datamart et de tables Hive

• Alimentation de bases de données et applications destinées aux métiers. Industrialiser en Spark des chaînes de traitement de données (format Parquet), construire des Datamarts et alimenter des applications utilisées par le métier. Sujets traités :

• Équipements et prêts immobiliers : Distribution des offres bancaires / Crédits et garanties

• Avantage + : Gestion de la relation client / Fidélisation voix clients

• PAD : Distribution des offres bancaires / Comptes et épargnes o Ouvertures de comptes et délais de validation o Calcul et restitutions des indicateurs de délais de validation de l'ouverture Compte

• Parcours Entrée en relation (EER)/ Pilotage de la performance : o Alimentation quotidienne d'une table sous Teradata utilisée par SSRS pour la réalisation de 3 tableaux :

• Suivi du délai de décision sur les dossiers clôturés

• Taux de transformation en agence

• Eléments de détail d'une EER

• Amplification de la Relation Client : Gestion de la relation client / CRM relationnel et conseil o Analyse données retour de campagnes

• Datalayer : cartes, mouvements et transactions bancaires

• Refonte PPRID CAMARA

• OFAC/KYC (Office of Foreign Assets Control / Know Your Customer) : Gestion de la relation client / CRM opérationnel et connaissance client Réalisations :

• Conversion des flux RAW en parquet : o Module EBCDIC To Hadoop o Module CSV To Hadoop o Module Files To Hadoop

• Import des données Teradara vers le cluster en parquet : module Teradata To Hadoop

• Création des tables Hive et intermédiaires : module Query To Hive

• Construction de Datamart : module Query To Hive

• Conversion du parquet en Json & CSV o Module Query To CSV o Module Query To JSON

• Alimentation des tables cibles vers Teradata, Oracle et applications métiers o Module Hadoop To Teradata o Module Hadoop To Oracle o Transfert CFT

• Industrialisation des appels web services (sites marchands, super- marchands et offres)