Raphaël Le Nué

Lead Tech Big Data

Moves to Paris

  • 48.8546
  • 2.34771
  • Indicative rate €665 / day
  • Experience 7+ years
Propose a project The project will only begin when you accept Raphaël's quote.

Availability not confirmed

Propose a project The project will only begin when you accept Raphaël's quote.

Location and geographical scope

Location
Paris, France
Can work in your office at
  • Paris and 50km around

Preferences

Project length
Would prefer:
≥ 6 months
Would prefer avoiding:
  • ≤ 1 week
  • ≤ 1 month
  • Between 1-3 months
  • Between 3-6 months
Business sector
Would prefer:
  • Aviation & Aerospace
  • Digital Agency and IT company
  • Food Industry
  • Architecture & Urban Planning
  • Arts & Crafts
+17 autres
Would prefer avoiding:
  • Banking & Insurance
  • Defense & Military
Company size
Would prefer:
  • 11 - 49 people
  • 50 - 249 people
  • 250 - 999 people
  • 1000 - 4999 people
  • ≥ 5000 people
Would prefer avoiding:
  • 1 person
  • 2 - 10 people

Verifications

Languages

  • Anglais

    Full professional proficiency

  • Français

    Native or bilingual

Categories

Skills (15)

Raphaël in a few words

Après avoir occupé les postes de Consultant, Intégrateur, Dev Java, Dev Big Data, Lead Dev Big Data dans des secteurs variés tel que la Grande Distribution, l’Energie, la Finance et les Transports, je souhaite continuer à assister les entreprises en tant qu'accompagnateur de la transformation de leur MDM.

C'est pour trouver des missions s'inscrivant uniquement dans cette démarche que j'ai créé l'entreprise Flulo, le principe est le même que celui suivi par Google, Amazon ou Facebook, se servir des frameworks Open Source pour avoir un MDM le plus fiable et Low Cost possible.

L'évolution vers des architecture scalables horizontalement et des développements spécifique basé sur des frameworks open source devrait être la cible de toute entreprise car c'est le meilleur moyen de réduire et maitriser les couts matériels et de maintenance.

De plus, si on couple cela à un dé-silotage des organisations et une approche holistique, on trouve des raccourcis extrêmement bénéfiques à la productivité. (comme la création de rapport temps réel)

Experience

FNAC Darty

Retail

Consultant Technico Fonctionnel

Paris, France

October 2014 - February 2016

• Bilan: Mise en place d'une organisation complète de Zéro pour la création d'un Référentiel Produit unique de la Marketplace de la Fnac qui lui a permis de résister à la concurrence d'Amazon.
• Clés du succès: L'industrialisation des déploiements avec Gradle a permis de transformer notre activité et permis la réussite du projet. On est passé de 90% d'intégration et 10% de développement à 90% de développement et 10% d'intégration.

Détail:
• Réponse à Request for Proposal
• Démonstration de faisabilité Proof of Technology
• Démonstration de faisabilité affinée Proof of Concept
• Diriger les entretiens d’embauche techniques
• Former sur MDM CE11 / Java EE / Intégration
• Participation aux ateliers de recueil des besoins
• Rédaction de la Spécification Fonctionnelle Générale
• Rédaction de Spécifications Techniques
• Création & Maintenance du modèle de données
• Conception intégrée à MDM CE 11
• Industrialisation des déploiements (moins de 10 min, avec Gradle + ANT+ Shell Script)
• Automatisation de déploiement des tables DB2 SQL externes en environnements non ISO
• Développement d’IHM spécifiques : liens bidirectionnels, métadonnées des assets, modèle variant initial (avec de l’AJAX)
• Estimation de la charge du développement de Règles de Gestion
• Répartition des tâches
• Contrôle de l’avancement avec fichier de suivi partagé et point d’équipe quotidien
• Rédaction de la procédure de déploiement

EDF Commerce - EDF

Energy & Utilities

Tech Lead Big Data

Paris, France

April 2018 - June 2019

• Bilan: Création du référentiel des consommations d’énergie et de leur facturation et d'api d'exposition nécessaire à la supervision marketing et aux applicatifs EDF sur vos smartphone.
• Clés du succès: L'organisation faite de petite itérations autour d'un tableau représentant les étapes nécessaire à la mise en production rapide permet une vision partagée. (Conception>Test>Développement>Déploiement)
Le code des traitements de flux et par lots, ainsi que celui des api d'exposition était le plus générique possible, cela a permis de modifier notre activité de 90% développement 10% intégration à 40% Montée en compétence sur les architectures Big Data 50% développement 10% intégration

Détail:
• Adaptation: Industrialisation des processus de développement dans chaque projets: Tests Cucumber avec rapport, Debug à chaud, bundle de livraison multi environnement ...
• Formation: Diffusion de bonnes pratiques via pair programming dans l'équipe et via des ateliers techniques avec le reste du pôle
• Adaptation: Reprise et amélioration du projet créateur d'api d'exposition génériques (Gradle+Spring Boot) des données du référentiel Hbase ( génération de code en contract first avec Swagger 2.0)
• Adaptation: Création d'un pur codebase ETL Spark+Scala (Hbase -> Elastic Search) dédié au index de recherches croisées et pagination des apis. Il créé des indexes en 3 à 10 min au lieu de 1 à 3h avec l'ancienne solution.
• Enrichissement et maintient d'un projet de récurrent avec Spark Streaming (Kafka -> Elastic Search)

Société Générale - Société Générale

Banking & Insurance

Ingénieur Big Data

Fontenay-sous-Bois, France

June 2019 - August 2019

• Bilan: Remplacement d'un traitement historique en python qui a couté 2 ans et a été refusé en production car la compilation à l’exécution représente un risque majeur de régression, le nouveau traitement a pris 2 semaines, compile sans risque de régression et permet des itérations rapides
• Clés du succès: L'approche holistique et la clé, cependant la tentative mise en place progressive (dite "at scale") de l'agilité par des rituels Scrum n'a pas permis le dé-silotage de l'organisation.

Détail:
• Formation: Assistance à la mise en place d'une nouvelle organisation plus Agile moins en silo avec d'un côté les service de régulation de fraude et de l'autre les services informatiques
• Adaptation: Rétro ingénierie sur code historique en Python, création de spécification fonctionnelles exploitable
• Développement: Développement d'un ETL avec multiples sources comme les journaux de connexions des employés pour la supervision de signaux d'alertes nécessaire à la détection de fraude
• Formation: Démonstration d'une nouvelle organisation autour de cet ETL avec la régulation qui explique une nouvelle règle, les tests sont écrit en français puis codé, puis le traitement est développé

OUI SNCF - SNCF

Transportation

Architecte et Ingénieur Big Data

Paris, France

September 2019 - December 2019

• Bilan: Mise en place d'une architecture distribuée dédiée à la supervision des ventes de billets
• Clés du succès: L'approche holistique et la transparence, plusieurs équipes qui travaillait en silo ont travaillé ensemble

Détail:
• Prise en compte des différentes visions en silo ( Data architect, Architecte d'entreprise, Gouvernance de la donnée, équipiers historique utiliser un ETL propriétaire) pour répondre au besoin de supervision des ventes
• Participation au dé-silotage organisationnel
• Proposition d'une ébauche d'architecture Big Data pour aidé les équipiers à se projeter
• Assistance au Product Manager pour le découpage en itération plus petite
• Animation des premières réunions avec la gouvernance de la données
• Création d'un nouveau job temps réel permettant de récupérer les données des clics clients sur le site oui.sncf pour générer des rapport de type Google Analytics

Education

Certifications

charter modal image

Success is a team effort

Contribute to this success and the community's professionalism by signing the Freelancer Code of conduct

Sign the code