Data & Automation Engineer

A intégré une équipe de gestion des processus métier d'un groupe pharmaceutique opérant sur les marchés EMEA afin de structurer et automatiser l'ensemble du cycle commercial — de l'introduction produit à la fourniture.

• A cartographié et automatisé les processus métier du cycle complet de trading, couvrant l'introduction commerciale, l'autorisation réglementaire des médicaments, la participation aux appels d'offres et l'exécution de la chaîne d'approvisionnement.
• A conçu des workflows de données structurées pour suivre et gérer les soumissions d'appels d'offres pharmaceutiques, en coordonnant la documentation, les exigences de conformité et les données de soumission sur plusieurs marchés d'Afrique du Nord.
• A développé et maintenu des pipelines de collecte de données pharmacovigilance, suivi des effets des médicaments sur les patients par référence de lot pour soutenir les rapports de conformité réglementaire.
• A standardisé les procédures opérationnelles transversales à la chaîne d'approvisionnement, la coordination de livraison et les fonctions de rapports de conformité, améliorant la précision des données et la traçabilité des processus.

A piloté des initiatives d'automatisation basées sur Python au sein de l'équipe de gestion du capital chez Morgan Stanley afin de rationaliser les workflows de gestion de capital et améliorer la précision des rapports réglementaires.

• A conçu et développé des pipelines d'automatisation Python réduisant l'effort de traitement manuel et améliorant la précision des rapports au sein des soumissions réglementaires clés.
• A collaboré avec les équipes de gestion des risques et technologie pour traduire les exigences Basel IV / FRTB en mises à jour de pipelines de données et modifications de processus.
• A contribué quotidiennement au développement de la base de code en utilisant GitHub Copilot, établissant des standards d'ingénierie assistée par IA et de prompt engineering au sein de l'équipe.
• A agi comme expert technique du domaine bridgeant les frameworks réglementaires et l'ingénierie des données, permettant une prise de décision transparente et basée sur les données.
• A participé aux cycles de livraison Agile en collaboration avec plusieurs équipes inter-fonctionnelles.

A conçu et construit des pipelines de données et outils analytiques basés sur Python et SQL au sein de l'équipe Capital Risk chez Morgan Stanley afin de calculer, surveiller et rapporter les actifs pondérés par le risque selon les normes Basel IV / FRTB.

• A conçu et développé des pipelines de calcul et monitoring du RWA (Risk-Weighted Assets) sous les standards Basel IV / FRTB, transformant les données réglementaires brutes en rapports conformes.
• A construit et maintenu des pipelines connectant des bases de données hébergées dans le cloud (incluant MongoDB), appliquant une logique ETL cohérente à travers différents environnements d'infrastructure.
• A automatisé les workflows précédemment manuels de rapports de capital réglementaire, réduisant significativement les délais de traitement et améliorant la précision des données à travers plusieurs cycles de soumission.
• A géré le développement des pipelines en utilisant Git et une stratégie de branching centralisée, collaborant au sein d'une équipe technique multi-personnes.
• A représenté l'équipe Capital Risk dans les squads Agile, contribuant à 5+ cycles de livraison technologique impliquant des améliorations de systèmes et changements de modèles de données.
• A établi des partenariats avec des stakeholders inter-fonctionnels couvrant les domaines risque, technologie et conformité pour livrer l'automatisation des processus et améliorations de la qualité des données de bout en bout.

A géré et structuré une base de données CRM hébergée dans le cloud au sein d'une équipe de gouvernance de contenu afin de maintenir l'intégrité et la qualité des données à grande échelle.

• A conçu et exécuté des pipelines de transformation de données basées sur Excel pour traiter, nettoyer et réimporter de grands ensembles de données de contenu.
• A exécuté des opérations de données en volume au sein de la plateforme CRM, maintenant l'intégrité et la cohérence des données à travers de vastes référentiels de contenu.
• A produit des rapports automatisés sur les métriques de performance du contenu et les schémas de réutilisation pour supporter les décisions opérationnelles et stratégiques.