Cheick Sanogo

Senior Data Engineer en charge de l’ingestion, du traitement et de la valorisation des données de planification de projets provenant de sources telles que Primavera P6, Jira, MS Project, etc.. :

- Conception et implémentation de pipelines d’ingestion de données dans une architecture Médaillon sur Databricks

- Modélisation des données selon les schémas en étoile (star schema) ou flocon (snowflake schema),

- Normalisation des données en respectant les formes normales: NF1, NF2, NF3

- Développement des calculs de KPI pour le suivi des performances des projets (avancement, coûts, délais) et des indicateurs financiers

- Mise en place des contrôles qualité de données

- Optimisation des performances des traitements Spark

- Déploiement et maintenance des pipelines ETL en environnement de production

- Conversion des transformations de données écrites en langage M (Power Query) dans Power BI en scripts PySpark pour une exécution optimisée dans l’environnement Databricks

- Connexion des données de la couche Gold de l’architecture Médaillon à Power BI, permettant une alimentation fluide et sécurisée des tableaux de bord pour une visualisation en temps réel des KPI et des métriques de projet.

Senior Data Engineer en charge de la mise en place des flux d’ingestion des données de consommation d’électricité et gaz :

- Conception et implémentation de pipelines de traitement de données

- Traitement et ingestion de différents formats de fichiers (XML, JSON, CSV, PARQUET,etc.)

- Mise en place des traitements streaming pour ingestion en temps réel des flux de données.

- Mise en place d’orchestrateurs de pipelines de traitement de données

- Optimisation des performances des traitements Spark : gestion des partitions, tuning des configurations Spark, parallélisation, cache, etc.

- Migration des flux de données Oracle vers Databricks

- Gestion et optimisation des bases de données.

- Mise en production des ETL

Data Engineer/Scientist en charge de la mise en place de solution data pour l’implémentation de modèles de détection de fraudes, blanchiment d’argent et financement de terroristes pour la compliance :

- Mise en place de pipelines de données pour l'extraction, la transformation et le chargement (ETL) de données

- Implémentation de modèles pour la détection transactions suspicieuses,

- Implémentation de modèles de matching entre les clients et les personnes politiquement exposées et les personnes dans les listes sanction/embargo

- Segmentation de pays selon le risque associé au blanchiment d’argent et au financement de terroristes

- Mise en place d’orchestrateur de pipelines de traitement de données

- Optimisation des performances des traitements Spark : gestion des partitions, tuning des configurations Spark, parallélisation, cache, etc…