Heni Bellaaj

Platform Client :

Projet ATP :

• Construire et déployer des pipelines de données évolutifs.

• Créer des solutions en temps réel et par lots qui résolvent les problèmes commerciaux du monde réel qui s'adaptent aux changements rapides de la croissance des données afin de continuer à répondre aux demandes du marché

• Développer des applications de traitement des flux distribués (normalisateurs, persistes...) basées sur le streaming Spark, Apache Kafka et Cassandra pour leur tolérance aux pannes et leur extensibilité rapide.

• Calcul des KPI pour les projections des stocks en se basant sur les données de prévisions enregistrées dans Hive.

• Développement des tests unitaires.

Projet LEX :

Calcul des KPIs sur des données Carrefour-City, Carrefour MArket et Proxi

• Consommer des données déjà sauvegardé ou BigQuery.

• Faire l’ingestion des données manquantes dans BigQuery.

• Développer des AppEngine en python.

• Faire la relecture et la validation des codes.

• Améliorer les requêtes existantes pour minimiser les coûts d'exécution.

• Développement des tests unitaires.

Environnement Technique:

Google Cloud Platform, Scala, Python, Spark, SparkSql, HDFS, Shell, Hive, Sql, Linux, Git

Equipe infrastructure : 3A60

Gestion des clusters HADOOP des environnements de travail pour le groupe euro- information.

Projet Monitoring Ambari Alertes : Remonter les alertes d’Ambari dans l’outil de monitoring BEM.

• Développement d’un POC en Python pour API REST pour récupérer les alertes d’Ambari de tous les environnements (DEV, RECETTE, PRE-PRO, PROD)

• Gestion d’une base de données SQLITE contenant les configs utilisées.

• Formatage et standardisation des alertes récupérées pour les envoyer avec XSURVEI vers BEM.

• Développement des tests unitaires.

• Mise en production du POC et création du RPM.

Projet Monitoring Ambari Manage users-groups: Gérer les utilisateurs et groupes d’Ambari

• Développement d’un POC en Python pour API REST pour gère (get /delete) des (users/groups) d’Ambari de tous les environnements (DEV, RECETTE, PRE-PRO, PROD).

• Récupération des users/groupe via ligne de commande ou des fichiers.

• Gestion d’une base de données SQLITE contenant les configs utilisées.

• Mise en production du POC et création du RPM.

Projet Monitoring Ambari STOP-START-RESTART des composants d’Ambari

• Développement d’un POC en Python pour API REST pour STOP-START-RESTART des composants d’Ambari de tous les environnements (DEV, RECETTE, PRE-PRO, PROD).

• Récupération des actions via ligne de commande.

• Gestion d’une base de données SQLITE contenant les configs utilisées

• Développement des tests unitaires.

• Mise en production du POC et création du RPM.

Projet Monitoring Ambari : Dump-Restore toutes les bases de données Postgres

• Développement d’un POC Bash pour Dump-Restore de toutes les bases de données Postgresql de tous les environnements et renvoie des fichiers de Backup d e la machine Ambari Prod vers Ambari StandBy s’il existe. • Assurer l’échange des clés entre la machine Ambari Prod et StanBy

• Mise en production du POC et création du RPM

Environnement Technique: Python 2.7, Hadoop, PostgreSq, Shell, Hive, Sqlite, Linux, Junit, Git, MremoteNG.

DATA LAB :

Chercher de la valeur depuis les données Adeo à travers de pocs de 10 jours pour toutes les BU.

En méthodologie AGILE :

• Accompagner les Data Scientists et les data Analysts.

• Préparer l’infrastructure pour le lab afin de réaliser des pocs

• Soutien technique à l’équipe lors de la réalisation des pocs

• Gérer les flux de données entre les bases de données relationnelle et Hadoop via Stambia

• Gérer les bases de données et le HDFS

• Faire la relecture et la validation des codes.

• Mise en prod ou industrialisation des pocs prouvés.

L’équipe Data Solution

La mise en production des pocs sur la plateforme GCP et les exposer pour toutes les BU d’Adeo partout dans le monde.

• Projet CPQ : Le projet Customer Purchase Quantity vise à connaitre la quantité achetée par client et par article.

• Projet API Complémentaire : Vise à identifier les produits complémentaires afin de les suggérer aux clients.

En méthodologie AGILE :

• Etude de l’architecture à mettre en place sur la GCP.

• Consommer des données déjà sauvegarder sur FireStore ou BigQuery

• Développer les fonctionnalités en python

• Assurer le logging de l’exécution des requetés sur BigQuery

• Créer des tests unitaires

• Faire la relecture et la validation des codes