Ingénieur de données

Intégration de l'équipe de CLS – Collecte Localisation Satellites pour concevoir un système d'aide à la décision Big Data.

• Conception d'un système d'aide à la décision Big Data exploitant les données de télémétrie IoT pour le pilotage opérationnel des activités, ayant permis d'identifier des opportunités de revenus non captés représentant plus de 10 % du parc analysé.
• Collecte, transformation et intégration de données multi-sources via FME (ETL), SQL et scripts cron pour l'automatisation et l'orchestration des traitements.
• Exploitation des services AWS, Dbvear et de données Big Data stockées aux formats Delta Lake et Apache Iceberg.
• Modélisation et analyse de données, conception d'un entrepôt de données et de magasins de données sur postgreSQL pour structurer les données et répondre aux besoins de pilotage métier.
• Développement et automatisation de dashboards Power BI pour le suivi des indicateurs.
• Industrialisation et benchmark de la solution sur Databricks et Snowflake via l'architecture Lakehouse Médaillon (Bronze/Silver/Gold).
• Développement de pipelines ETL PySpark/SQL et orchestration des workflows sous Databricks et Snowflake intégrant alerting, supervision et suivi des métriques.

Collaboration avec Les Domaines Agricoles – Groupe Siger pour renforcer les infrastructures de données et industrialiser les traitements.

• Développement d'un pipeline ETL (Airflow, Spark et SQL Server) pour la consolidation des données issues d'ERP agricole.
• Développement de dashboards sous Power BI et Cognos Analytics, en intégrant les flux de données via SSIS, avec des KPIs orientés conduite technique agricole pour améliorer le pilotage opérationnel.
• Développement d'une application Power Apps intégrée à Power BI pour la digitalisation de l'agréage des agrumes en temps réel (×3 couverture d'échantillonnage).
• Déploiement d'un pipeline automatisé de détection et correction d'anomalies météo, supprimant les interventions manuelles quotidiennes et réduisant la charge opérationnelle de plus de 3h/jour.

Stage Data Scientist au sein de Les Domaines Agricoles – Groupe Siger axé sur la modélisation prédictive et les pipelines de données.

• Développement d'un pipeline automatisé de données IoT météo pour la détection d'anomalies (APIs, Python, SQL Server).
• Développement de modèles de machine learning et deep learning, intégrés dans le pipeline via Scikit-learn et Keras.
• Développement de dashboards dans Power BI, pour le suivi des métriques climatiques et l'identification d'anomalies.