Gaspard J.

Michelin est un leader international de fabrication de pneumatiques. Le département DORD, vise à innover dans la mobilité en la rendant « toujours plus sûre, plus accessible, plus efficace et plus respectueuse de l’environnement ». Ce sont ces quatre leviers qui pilotent notre innovation tant en matière de produits que de services.

Résumé : modélisation et développement d'applications, contexte Big Data / IOT

Data Exploitation :

- Réalisation de tables, vues, et collections, mise en qualité et enrichissement des données

- Élaboration des jobs associés

- Data mining

Orchestration :

- Améliorations des traitements routiniers (temps d'exécutions et qualité)

- Intégration de données (n-)structurés

Data Manipulation & Transformation :

- Audit des systèmes, évaluation de l'actuelle, vectorisations du possible,

- parallélisation et distribution des opérations

Data Science :

- Accompagnement dans la mep de réponses et de solutions aux différents utilisateurs (population majoritaire de Data Scientist)

Valorisation des données :

- Data Visualisation, mep de rapports, d'indicateurs et d'application facilitant l'exploration

- Contexte concurrentiel avec un intérêt pour les solutions favorisant les résultats

- Récolte d'information au travers des couches et des KPIs

Envir. Technique :

Technos : Python (pandas, scikit-learn, csv, json, re …), SQL, noSQL, Pyspark (Spark)

Outils : Gitlab, Dataiku, Airflow, Anaconda, Artifactory

Data Viz : PowerBI, Plotly, Pydeck, Bokeh, Kepler, Tableau

Écosystème Azure : Datalake, Databricks, DataFactory, Azure DevOps

Oracle Sql Developper

Cloud Azure, Data Lake Azure

Compétences : Ingénierie des données · Science des données

J'accompagne mes clients de A à Z dans leur besoin d'exposition de données :

• Conception et modélisation de la solution,

• Collecte & exploration des données (API, BDD, Web Scraping, etc.),

• Développements associés (python, ETL / EL T, job, pipeline, orchestration, CI/CD etc.),

• Stockage et modélisation des bases (DWH, Datalake, SQL, BDD relationnel, NoSQL, orienté document, etc.),

• BI & Visualisations (rapport, datamart, KPI),

• Data Science (Machine Learning, Big Data, Cloud et l'automatisation des processus),

• Support & formation.

En tant que Data Engineer (Data Scientist et développeur Python / Pyspark), prestataire de Capgemini, mes objectifs ont été d’exposer des données afin de pouvoir réaliser les KPIs et les rapports associés.

Mission : exposition et valorisations de données.

Rattaché au service S2P, le projet vise la mise à disposition de différentes sources de données, et de répondre aux exigences métiers :

• Exposer les données stockées dans le Datalake en utilisant l'architecture Delta Lake dans Azure Databricks,

• Création des couches de données (sous Pyspark) selon la modélisation BSG (Bronze, Silver et Gold),

• Traitement des données en mode "Batch" et temps réel (streaming),

• Intégration et livraison continues (CI/CD) avec Azure DevOps,

• Exposition End-to-End,

• Formation et montée en compétences des profils juniors.

Équipe internationale

Envir. Technique :

Python (pandas, Scikit-learn, CSV, JSON, RE …), Pyspark (Spark), SQL

Databricks, Data Factory, Azure DevOps, Oracle SQLDeveloper, Power BI

Cloud Azure, Data Lake Azure