À propos de Mohamed
Data Engineer spécialisé sur l'écosystème Google Cloud Platform, j'accompagne les entreprises dans la construction et l'industrialisation de leurs pipelines de données, de l'ingestion jusqu'à la restitution métier.
Depuis près de 3 ans chez Crédit Agricole Leasing & Factoring, je conçois des pipelines GCP (BigQuery, Cloud Storage, Cloud Composer / Airflow) au service des équipes finance, risques et marketing. J'interviens aussi bien sur l'ingestion et la modélisation des données que sur l'optimisation SQL, la qualité, l'orchestration et la restitution via Power BI et Streamlit.
En parallèle, je contribue au programme KESK'IA sur un POC de diagnostic territorial (Silver Readiness Index) mêlant données publiques multi-sources (INSEE, DREES, FINESS, CAF…) et migration vers GCP.
Ce que je peux vous apporter :
• Concevoir et industrialiser vos pipelines data sur GCP
• Structurer vos datasets (modélisation, partitionnement, data catalogue)
• Automatiser vos traitements avec Airflow / Cloud Composer
• Optimiser vos requêtes SQL coûteuses
• Mettre en place des contrôles qualité et de l'alerting
• Restituer vos données (Power BI, Streamlit, documentation)
Stack principale : Python · SQL · GCP (BigQuery, Cloud Storage, Cloud Composer) · Airflow · PostgreSQL · Docker · Git / CI/CD
Disponible pour des missions sur site (Paris / IDF) ou en hybride.
Français
Bilingue ou natif
Anglais
Capacité professionnelle limitée
Accepte de travailler sur site
Paris (jusqu’à 50 km)
Expériences
- Programme KESK'IAData Engineerfévrier 2026 - Aujourd'hui (4 mois)Paris, FranceParticipation au POC KESK’IA, un projet de diagnostic territorial pour le Crédit Agricole. L’objectif : construire un Silver Readiness Index (SRI) permettant d’évaluer la pression démographique, l’offre de soins, l’accessibilité et la vulnérabilité logement à l’échelle communale.🔹 Ingestion de données :• Développement de scripts Python pour l’extraction de données via appels API REST multi-sources : INSEE (population, revenus Filosofi, recensement), DREES (APA, dépendance), FINESS (établissements de santé, EHPAD, SSIAD), BPE (équipements de proximité), CAF (allocataires RSA), DGCL (finances locales)• Alimentation de 76 KPIs couvrant 13 catégories : assurance dépendance, prêts adaptation logement, épargne retraite, maintien à domicile, pression démographique, offre de soins, accessibilité, finances locales, etc.🔹 Modélisation & stockage :• Conception d’un data catalogue référençant l’ensemble des sources, métadonnées, granularités (commune, IRIS, département) et règles de transformation• Création et structuration de tables relationnelles sous PostgreSQL pour le stockage des données territoriales• Migration de l’intégralité du dataset vers GCP (BigQuery pour l’analytique, Cloud Storage pour le stockage brut) en vue du passage à l’échelle🔹 Contrôle qualité :• Mise en place d’un système de scoring de fiabilité des données (grades A à D selon le nombre de proxys utilisés)• Résultats : 72% des KPIs validés OK, 27% partiels, 0% manquants, 100% de couverture• 64% des KPIs en grade A (donnée réelle directe, 0 proxy)🔹 Scores composites produits :• SRI (Silver Readiness Index, 0-100) : démographie x 30% + soins x 25% + accessibilité x 20% + logement x 25%• IP (Indice de Pression), IRI (Readiness Infrastructure), Stress BudgétaireStack : Python, SQL, PostgreSQL, GCP (BigQuery, Cloud Storage), API REST, Pandas
- Crédit Agricole Leasing & FactoringData Engineerseptembre 2023 - Aujourd'hui (2 ans et 9 mois)Montrouge, FranceIntégré au sein de l’équipe Data du Crédit Agricole en tant que Data Engineer. Contribution à la conception, l’optimisation et la maintenance de pipelines de données sur l’écosystème Google Cloud Platform.🔹 Pipelines & ingestion de données :• Mise en place de pipelines d’ingestion de données sur GCP : stockage sur Cloud Storage, chargement et exploitation dans BigQuery• Structuration des datasets : partitionnement des tables, définition des schémas, optimisation du stockage• Automatisation et orchestration des traitements data via Apache Airflow (Cloud Composer) : planification, dépendances entre tâches, gestion des erreurs• Maintenance et évolution des pipelines existants : corrections de bugs, ajustements de règles métier, supervision des exécutions quotidiennes🔹 SQL & optimisation :• Développement de requêtes SQL avancées pour l’alimentation de tables analytiques utilisées par les équipes métier (finance, risques, marketing)• Optimisation des performances : réécriture de requêtes coûteuses, refactoring des jointures, ajout de filtres en amont, réduction des temps d’exécution🔹 Qualité des données :• Mise en place de contrôles de cohérence et de qualité : vérification de volumétrie, détection de valeurs nulles, validation de formats• Alerting en cas d’anomalies détectées dans les flux de données🔹 Restitution & support métier :• Création de rapports et dashboards Power BI à partir des données préparées pour le pilotage d’activité• Développement et déploiement d’applications Streamlit pour la restitution interactive des données• Rédaction de documentation technique (requêtes SQL, flux de données, règles de transformation)• Support aux équipes métier sur l’utilisation et la compréhension des donnéesStack : Python, SQL, GCP (BigQuery, Cloud Storage, Cloud Composer), Apache Airflow, Power BI, Streamlit, Docker, Git, CI/CD
Recommandations
Soyez le premier à recommander Mohamed
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
- Master Informatique spécialité Data EngineerParis YNOV CampusMaster Informatique spécialité Data Engineer
- Licence Informatique option dataParis YNOV CampusLicence Informatique option data