Description

Analytics Engineer avec 7 ans d'expérience en banque et assurance, spécialisée dans la migration de systèmes legacy (SAS, Matillion, Redshift) vers Dataiku et Snowflake, la conception de datamarts mutualisés et l'industrialisation des pipelines data.

J'interviens sur des projets à forte complexité technique en lien étroit avec les équipes IT, Data et Métiers — du cadrage fonctionnel jusqu'à la mise en production et l'accompagnement des utilisateurs.

Disponible pour des missions Dataiku Developer, Analytics Engineer ou Migration Data.

Domaines d’expertise

Langues

Français
Bilingue ou natif
Anglais
Capacité professionnelle complète

Préférences en matière de lieu de travail

En télétravail uniquement

Travaille majoritairement à distance

Malakoff Humanis
Data Analyst Senior | Migration SAS/Redshift → Snowflake & Dataiku | BI & Datamarts
BANQUE & ASSURANCES
janvier 2023 - Aujourd'hui (3 ans et 5 mois)
Paris, France
Migration Redshift → Snowflake — migration de ~60 tables (volumes millions de lignes), optimisation des requêtes SQL avec +60% de gain de performance en production.
Migration Matillion → Dataiku DSS — refonte et migration de 10 projets ETL complets, industrialisation des pipelines et mise en place du scheduling automatisé sous Dataiku.
Conception de datamarts mutualisés (Sales, Digital, Customer) — structures centralisées exploitées par plusieurs directions métiers pour le pilotage et le reporting transverse.
Accompagnement métier SAS → Dataiku/Snowflake — montée en compétences d'une équipe de 10 personnes, de la prise en main des outils jusqu'à l'autonomie en production.
Cloud AWS Dataiku DSS Matillion Airflow Snowflake
BNP Paribas
Data Analytics Engineer
BANQUE & ASSURANCES
novembre 2021 - décembre 2022 (1 an et 2 mois)
Paris, France
Orchestration de pipelines ETL sous Apache Airflow — déploiement, gestion des dépendances et reprise sur incident en environnement de production.
Optimisation SQL et Python sur données volumineuses — refactorisation des traitements pour réduire les temps d'exécution et améliorer la stabilité en production.
Mise en place de contrôles qualité des données — définition de règles de validation et accompagnement des équipes métier et IT aux bonnes pratiques.
Microsoft Power BI Apache Airflow Processus ETL (Extract, Transform, Load) SQL Server Intégration de données (ETL, ELT et entreposage de données)
AfterData | Predictive Marketing
Data Scientist
E-COMMERCE
octobre 2020 - octobre 2021 (11 mois)
Paris, France
Développement de modèles de machine learning répondant aux enjeux métiers : scoring, prédiction de churn, détection de fraude et segmentation marketing, avec ateliers de formation pour expliquer et transmettre les méthodes aux équipes.

Mise en production des modèles prédictifs : intégration fluide dans les systèmes existants et alignement avec les objectifs stratégiques, accompagnée d’une documentation claire et de sessions de transfert de compétences.

Tests et contrôle qualité des modèles : validation de la cohérence, de la précision et de la fiabilité des résultats, en sensibilisant les utilisateurs aux limites et bonnes pratiques d’utilisation.

Préparation des données : nettoyage, prétraitement et création de datasets exploitables, avec explication des workflows pour rendre les équipes autonomes sur leurs futures analyses.
Nettoyage et prétraitement des données Python Microsoft Power BI