About Toni
Tes pipelines de données sont lents, coûteux ou difficiles à industrialiser ? Je conçois et déploie des architectures Azure/Databricks robustes, prêtes pour la production.
Ce que j'apporte concrètement :
Conception de pipelines ETL/ELT batch et streaming (ADF, Databricks, PySpark)
Architecture Delta Lake (Bronze/Silver/Gold), qualité de données et optimisation des coûts
Industrialisation DataOps : monitoring, partitioning, performance
Expérience sur Palantir Foundry pour les environnements exigeants
Missions récentes : plateforme serverless Azure pour l'ingestion Bloomberg en temps réel (Finance/CORUM), virtualisation de données Denodo multi-sources (Orange Business Services), pipelines ADF pour migration Cloud (CNAS).
Stack : Databricks, Spark/PySpark, Python, SQL, ADF, Synapse, Azure, Kafka, Denodo, Palantir
Disponible pour missions build / migration / optimisation data platform — Paris
Arabic
Native or bilingual
English
Fluent
French
Fluent
Can work on-site
Paris (up to 50km), Lille (up to 10km)
Experience
- CORUMData EngineerBANKING AND INSURANCEJanuary 2026 - Today (7 months)Paris, FranceConception et développement d'une plateforme serverless Azure end-to-end pour l'ingestion, le traitement et l'exposition de données de marché issues de Bloomberg Data License API, couvrant les besoins d'investissement, de valorisation et de suivi de portefeuilles.Développement d'Azure Functions en Python pour automatiser les flux Bloomberg (DataRequest, HistoryRequest), avec authentification OAuth2 / JWT HS256, polling asynchrone, retry policy et back-off exponentiel sur les requêtes longue durée.Optimisation de la récupération de données financières volumineuses (CSV, CSV.gz, ZIP) avec lecture en streaming, parsing Python, normalisation des schémas et contrôles qualité : détection des valeurs manquantes, forward-fill sur jours ouvrés et traçabilité complète des statuts REAL / FORWARD_FILLED / FALLBACK.Automatisation de traitements quantitatifs sur historiques financiers : calculs de rendement, NAV, valorisation et agrégations temporelles en Python, produisant des datasets directement exploitables par les équipes Finance, Risk et Investment.Ingestion incrémentale des données financières : à l'issue de chaque exécution Bloomberg, les données sont remontées par incréments dans Azure SQL via des pipelines Azure Data Factory (ADF), avec gestion des deltas et orchestration des flux entre environnements.Alimentation quotidienne d'un SFTP : un pipeline ADF dédié consomme les données stockées dans Azure SQL et génère chaque jour un fichier déposé automatiquement sur le SFTP cible, assurant une livraison fiable et planifiée aux systèmes consommateurs.Stockage et exposition des données dans Azure Cosmos DB et Azure SQL, avec modélisation des collections, requêtes SQL pour l'interrogation et l'agrégation, et développement de procédures stockées pour encapsuler les traitements métier critiques.Conteneurisation des Azure Functions avec Docker et déploiement multi-environnements dev / preprod / prod via pipelines CI/CD Azure DevOps en YAML.
- cnasData EngineerTRAVEL AND TOURISMJune 2025 - December 2025 (5 months)Guyancourt, FranceAnalyse, refonte et sécurisation des flux d’intégration Azure du projet Voyagiste suite à la migration des sources SharePoint vers SFTP (FileZilla), dans un environnement Cloud Azure.Conception et développement de pipelines Azure Data Factory (ADF) incluant Data Flows pour l’ingestion, la transformation et l’orchestration automatique de fichiers CSV et TXT multi-formats.Centralisation des données dans Azure Data Lake Storage Gen2 (ADLS) via la mise en place d’une zone d’atterrissage standardisée, garantissant l’homogénéité des schémas.Implémentation de règles de qualité des données (nettoyage, typage, normalisation, contrôles de cohérence) directement dans les ADF Mapping Data Flows afin d’assurer la fiabilité du Data Lake Azure.Gestion avancée des erreurs d’ingestion (schémas incohérents, fichiers corrompus, données manquantes) via des mécanismes de logging, alerting et gestion des exceptions dans Azure Data Factory.Support et maintenance des flux Talend historiques, correction de tickets incidents et analyse d’impacts en coordination avec l’équipe RUN.Accompagnement de la transition technique Talend vers Azure Data Factory, garantissant la continuité de service et la montée en charge progressive des traitements Azure.Contribution au High Level Design (HLD/HLDF) de l’architecture d’intégration Azure, en collaboration avec l’Architecte Data, en intégrant les principes de scalabilité, maintenabilité et évolutivité Cloud.
- Orange Business Services GmbHdata engineerDIGITAL AND ITOctober 2024 - May 2025 (7 months)Courbevoie, France- Migration et unification de sources de données hétérogènes (bases relationnelles, fichiers, flux temps réel) vers une plateforme de data virtualization Denodo (Data Bridge), avec une approche orientée gouvernance et performance.- Conception et implémentation des couches de virtualisation Denodo (Curated et Refined), assurant la standardisation, la qualité et la réutilisabilité des données à destination des usages analytiques.- Modélisation et optimisation avancée des vues Denodo, incluant jointures complexes, calculs métiers et règles de transformation, afin d’exposer des jeux de données prêts à la consommation BI.- Intégration et exploitation de données géospatiales (GPS) : latitude, longitude, trajectoires et points de passage, avec enrichissement des datasets pour permettre des analyses spatiales et temporelles.- Migration complète des rapports Jaspersoft vers Power BI, avec refonte des modèles sémantiques et amélioration des performances et de l’expérience utilisateur.- Création et automatisation de tableaux de bord Power BI, connectés à Denodo via des connecteurs personnalisés, garantissant une actualisation maîtrisée et sécurisée des données.- Analyse et introspection de flux de données temps réel issus de topics Kafka, incluant la compréhension des schémas, la qualité des messages et leur intégration dans l’écosystème data.- Formation et accompagnement des équipes techniques sur les usages de Databricks (traitements distribués, exploration et préparation de données) en complément de la couche de virtualisation.- Documentation détaillée des processus de migration, des modèles de données et des flux, et formation des utilisateurs finaux sur les outils Denodo et Power BI.- Support technique et expertise transverse auprès des autres membres de l’équipe, avec résolution d’incidents et amélioration continue des pipelines et des performances.
Recommendations
These freelancer profiles also match your criteria
Agatha Frydrych
Backend Java Software Engineer
4.7
(3)
2
Baptiste Duhen
Fullstack developer
4.6
(4)
5
Amed Hamou
Senior Lead Developer
4
(2)
7
Audrey Champion
Web developer
4.3
(3)
4
Education
- Analyse, Management des données et InnovationUniversité Gustave Eiffel2022- Ingestion et transformation de données (ETL / ELT) - Conception de pipelines data batch - Traitements distribués Spark / Databricks - Modélisation analytique (facts, dimensions) - Requêtage et transformations SQL - Data Engineer - Hadoop - Power BI - Scrum - Azure Data Engineering - Databricks - Palantir - Python - SQL
Certifications
- Data Warehousing with Microsoft Azure Synapse AnalyticsCoursera2023
- Data Engineering with MS Azure Synapse Apache Spark PoolsCoursera2023