Houssameddine Abdel-Laoui

J'ai accompagné plusieurs clients dans des secteurs variés (luxe, e-commerce, médias) pour la conception et la mise en place de data platforms modernes et scalables sur AWS et Azure. Mon expertise couvre l'ensemble du cycle de vie des données, de l'ingestion à la visualisation, en passant par la transformation et la modélisation.

Mes réalisations et compétences clés :

✱ J'ai développé des pipelines d'ingestion sur AWS Glue et AWS Step Functions (ou Databricks et Azure Data Factory), capturant des données en temps quasi-réel depuis des sources variées (APIs, fichiers, bases de données). J'ai mis en place des contrôles qualité initiaux, géré les anomalies et archivé les données corrompues pour garantir une couche Bronze fiable.

✱ J'ai optimisé des pipelines pour nettoyer, transformer et enrichir les données, en utilisant PySpark et SQL Spark pour valider automatiquement les schémas, éliminer les doublons et vérifier les règles métier. J'ai ainsi préparé des données de haute qualité pour la couche Silver.

✱ J’ai utilisé DBT (Data Build Tool) pour orchestrer et industrialiser la transformation des données, en appliquant des bonnes pratiques de versioning et de documentation.

✱ J'ai conçu des modèles de données (étoile, flocon) pour structurer les indicateurs clés (KPIs) et optimiser les performances des requêtes analytiques grâce à AWS Glue Data Catalog et Amazon Athena (ou Delta Lake).

✱ J'ai développé des datamarts prêts à l'emploi, connectés à Amazon QuickSight et Power BI avec des dashboards, des alertes sur les anomalies et une documentation complète (dictionnaire des données) pour les utilisateurs métiers.

✱ J'ai orchestré des workflows avec Apache Airflow (MWAA sur AWS, ou Azure Data Factory pour les cas simples), en intégrant un monitoring continu et des alertes qualité (validation des schémas, détection des dérives). J'ai également réalisé des audits réguliers pour garantir la fiabilité et la stabilité des pipelines en production.

En tant que data engineer chez Amazon, j'ai conçu et optimisé des pipelines de données distribués à grande échelle. J'ai proposé et implémenté Databricks comme solution centrale, en complément des services AWS (Redshift, S3, Glue), pour améliorer l'efficacité des processus logistiques et analytiques.

Réalisations clés :

✱ Conception et maintenance de pipelines sur Databricks et AWS Glue avec Apache Spark pour l'ingestion et le traitement de données multi-sources (bases de données, APIs, fichiers).

✱ Transformation des données (nettoyage, enrichissement) avec validation des schémas, gestion des anomalies et application de règles métier.

✱ Modélisation de données agrégées sur Redshift pour calculer des KPI logistiques et optimiser les requêtes analytiques.

✱ Développement d'outils analytiques sur Databricks, intégrés à Power BI et Tableau, pour un suivi en temps réel des performances des centres de distribution.

✱ Collaboration avec les équipes techniques et métiers pour documenter les pipelines et former les utilisateurs finaux.

Impact :

✱ Réduction des temps de traitement et amélioration de la qualité des données.

✱ Optimisation des opérations logistiques grâce à des KPI actionnables et des insights en temps réel.