Data Engineer | Ex-Safran | Aéronautique

Intervention chez ABA Technology pour renforcer l'équipe data en concevant des architectures et des pipelines de données modernes.

• Mise en place d'une architecture Lakehouse avec couches Bronze, Silver et Business ainsi qu'une ingestion incrémentale.
• Conception et développement de pipelines de données avec AWS S3, Databricks et PySpark.
• Développement de modèles dbt/SQL incluant des modèles incrémentaux, des modèles éphémères, des tests de qualité et des snapshots.
• Mise en œuvre de Slowly Changing Dimensions (SCD) et d'un Star Schema pour la modélisation analytique.
• Conception d'un pipeline metadata-driven pour automatiser et standardiser les traitements.
• Orchestration des workflows avec Airflow et Docker, incluant l'exécution de modèles dbt et de pipelines Databricks.

Stage de fin d'études chez Safran Aircraft Engines axé sur l'amélioration de la qualité des données techniques sur les moteurs civils au sein du réseau MRO.

• Pilotage de l'amélioration de la qualité des données techniques des moteurs civils LEAP, CFM56 et GE90 au sein du réseau MRO, avec la gestion de 6 projets critiques.
• Développement de pipelines ETL multi-source en Python pour parcourir et structurer les données XML et SAP, avec nettoyage, fusion et détection des anomalies.
• Développement d'interfaces Python/Tkinter pour l'exécution des pipelines et l'export des résultats, avec la rédaction de guides utilisateurs pour leur utilisation.
• Exploitation des données SQL MRO et création de tableaux de bord Power BI (DAX, KPI, Power Query) pour le suivi de la qualité des données et des anomalies.
• Collaboration avec des équipes métiers internationales basées en Belgique et au Mexique dans le cadre des projets de la roadmap.
• Validation de la phase Control avec 0 écart sur l'ensemble des projets après correction et déploiement des outils de détection automatisée.

Stage réalisé à l'ANCFCC axé sur l'automatisation et le traitement de grands volumes de documents d'archives.

• Conception d'une solution IDP pour automatiser l'indexation d'un volume important d'archives foncières.
• Développement d'une chaîne de traitement ETL/NLP en Python pour l'extraction, le nettoyage et la structuration de données issues de documents non structurés.
• Déploiement d'un cluster Elasticsearch distribué pour l'indexation et la recherche plein texte, avec persistance SQL Server et exposition via FastAPI.

Stage effectué au sein du Groupe Label'Vie pour analyser les données de l'entreprise.

• Développement de traitements Python et SQL pour l'extraction et l'analyse de données depuis GCP BigQuery.
• Analyse de la qualité des données et identification des tendances et corrélations liées aux indicateurs métier.
• Conception de tableaux de bord Looker Studio connectés à BigQuery pour le suivi des KPI et l'aide à la décision.