Rida Layadi

Au sein de l’équipe Data Collection, je développe des pipelines robustes pour la collecte et la qualité des données internes et externes. Mes principales missions :

• Collecte de données issues de sources internes OVH et externes (Google, Facebook, LinkedIn)

• Développement de pipelines distribués avec Apache Spark, orchestration via Airflow

• Mise en place de contrôles de qualité des données (validation, filtrage, complétude)

• Conteneurisation des jobs avec Docker et déploiement via Kubernetes

• Utilisation de Dremio pour l’exploration et la mise à disposition des données

• Stockage sur OVHcloud Object Storage (solution S3-compatible, indépendante d’AWS)

Ce poste s’inscrit dans un environnement cloud souverain exigeant, où la fiabilité des données, l’automatisation des processus et la scalabilité des solutions sont des enjeux clés.

Projet : Projet Anti Money Laundering

Méthodologie : Agile scrum

Contexte :

Dans le cadre du projet ABS (AML Behaviour Spotting) le besoin du departement FCC(Financial Crime Compliance) est de disposer d'un outil leur permettant d'identifier les comportements atypiques à partir d'une source contenant des transactions.

En synthèse, ce projet permet de :

• Participer à l'amélioration de l'activité LAB-FT (Lutte Anti-Blanchiment et Financement du terrorisme ).

• Consolidation des opérations niveau client.

• Identification des nouvelles tendances pouvant cacher un risque de blanchiment.

• Mener des actions préventives pour cibler les comportements anormaux .

Missions et tâches réalisées :

• Développement de scénarios Spark: Création et optimisation des scénarios Spark pour la détection de comportements atypiques, notamment liés aux transactions crypto et au financement du terrorisme pour les banques Société Générale, Boursorama, et Crédit du Nord.

• Analyse et Conception: Analyse des besoins métier et du cahier des charges, conception des solutions techniques, développement, tests et maintenance évolutive et corrective des fonctionnalités.

• Collecte et Traitement des Données: Collecte des données à partir de diverses sources dans un Data Lake, traitement des données à l'aide de Spark, et génération de signaux dans une base de données PostgreSQL.

• Génération de Signaux: Développement de processus pour la détection des comportements atypiques, permettant de générer des signaux qui sont stockés et analysés dans PostgreSQL. Les signaux sont calculés à partir des transactions bancaires en utilisant différents algorithmes tels que full match, regex, et word-in-word en se basant sur des termes récupérés via une interface utilisateur que le métier change régulièrement.

Environnement technique : Agile Scrum, Scala, Spark, ansible, AWS, PostgreSQL, Jenkins, Git, GitHub, IntelliJ, Maven,Jira,Hue, Confluence, Docker, kubernetes, nestjs, reactjs.

Client : STET, La Défense

Projet : Projet INSTANT PAYMENT

Méthodologie : Agile scrum

Contexte :

Créé par six banques françaises, STET assure ainsi la compensation des moyens de paiement de détail (virements, prélèvements, image chèques, opérations par carte, …) entre l'ensemble des banques installées en France. Elle permet également d'échanger des virements SEPA au niveau national et européen. Projet "Instant Payment" : Conception d'un système de paiement en temps réel ayant vocation à consommer 20.000 transactions par secondes avec une latence autour de la seconde et une très haute disponibilité (99,99%)

Missions et tâches réalisées :

• Participation dans le développement de fonctionnalités métiers pour les virements interbancaires Instant Payment (virements bancaires européens en temps réel) et les prélèvements SEPA Direct Debit (SDD)).

• Analyse du cahier des charges, conception, développements, tests et maintenance évolutive et corrective.

• Développement de plusieurs contrôles de transactions permettant de respecter les règles SEPA.

• Réalisation d'une application de routage des transactions SWIP pour (single window instant payment) permettant à STET d'être le seul point d'entré pour les transactions qui viennent de plusieurs CSM (Scala, Kafka Streams)

• Génération des rapports statistiques pour les transactions Instant Payment (scala , spark , Cassandra).

• Analyse des anomalies et production des livrables.

• Réalisation des tests d'intégration sur une stack de VMs dans AWS.

Environnement technique : Agile Scrum, Scala, Spark, Kafka, Kafka Stream, Cassandra, AWS, Jenkins, Git, GitHub, IntelliJ, Maven,Jira, Confluence, ScalaTest, Linux