Brandon Borges

Au sein de l’équipe R&D, je contribue au développement et à l’évolution de la plateforme data utilisée pour centraliser, transformer et exploiter les données métiers afin de soutenir les analyses, le pilotage opérationnel et la prise de décision.

Principales responsabilités :

- Conception, développement et maintenance de pipelines de données (ETL/ELT) pour le traitement de volumes importants de données avec Spark et Python.

- Pilotage de la migration d’ETL historiques (SSIS) vers une plateforme data moderne basée sur Apache Spark et Airflow.

- Modélisation et structuration des données dans un Data Warehouse, avec mise en place de bonnes pratiques de gouvernance et de qualité des données.

- Conception et suivi de tableaux de bord analytiques et de monitoring avec Power BI et Grafana.

- Déploiement et gestion de services conteneurisés pour les outils data avec Docker et Kubernetes.

- Mise en place et gestion d’infrastructures data via Infrastructure as Code (Terraform) pour automatiser les environnements (bases de données, outils data, pipelines).

- Contribution à l’amélioration de la fiabilité, de la supervision et de la performance de la plateforme data.

Environnement technique : Spark, Python, SQL, Airflow, Prefect, Azure (DevOps, Entra ID, Synapse), Power BI, Grafana, Kubernetes.

Au sein du département Expertise Service Mobile, j’ai contribé à la valorisation et à l’exploitation des données issues des services mobiles afin d’améliorer le suivi de la performance et la qualité des services.

Principales responsabilités :

- Data Engineering : identification et définition de KPI métiers, analyse et amélioration de la qualité des données, conception et mise en place de pipelines ETL pour l’ingestion et la transformation de données batch et temps réel, optimisation de requêtes SQL et de traitements distribués.

- Data Modeling : structuration et modélisation de données pour les besoins d’analyse, de reporting et de visualisation.

- Data Visualization : conception et maintenance de tableaux de bord analytiques avec Tableau et Google Data Studio, mise à disposition de datasets pour faciliter le suivi des indicateurs et la prise de décision.

- Data Science : exploration de cas d’usage Machine Learning, préparation et exploration des données (data exploration, feature engineering), conception et expérimentation de modèles prédictifs pour identifier des leviers d’amélioration des services.

Contribution à la valorisation des données et à l’industrialisation des analyses pour les équipes métier.

Environnement technique : Spark, Python, SQL, Hive, GCP, Git, Tableau, Google Data Studio, TensorFlow, scikit-learn.

Au sein de l’équipe Data Warehouse, j’ai piloté des projets autour de la valorisation des données et de la modernisation des plateformes analytiques, en intervenant à la fois sur des problématiques Big Data, BI et gouvernance des données.

Principales responsabilités :

- Big Data :

Conception et réalisation d’un Proof of Concept de Data Lake dans un environnement Hadoop et Microsoft Azure afin de centraliser les données et permettre des analyses avancées pour les équipes Sales.

Identification de cas d’usage analytiques et prédictifs, exploration et préparation des données (data mining).

Mise en place de premières analyses et visualisations pour valoriser les données collectées.

- Business Intelligence :

Pilotage d’un projet de refonte d’un module fonctionnel BI dans un environnement IBM Cognos.

Conception de reportings et tableaux de bord analytiques pour le suivi des performances et la production de statistiques.

Optimisation de la gestion des accès et des droits utilisateurs afin d’améliorer la gouvernance et la sécurité des données.

Environnement technique : Hadoop, Microsoft Azure, IBM Cognos, Oracle, SQL, outils de data visualization.