Victor Gerard

Contexte :

Au sein d'un contexte international, j'ai rapporté sur la performance de FX+ Payments, une plate-forme critique pour les devises automatisées au sein des paiements internationaux.

Actions :

- Cash Management Officer Deck: Développer un outil Python permettant de générer un suivi de centaines de portfolios clients selon des métriques définies, dans plusieurs pays et régions

- TFX Data Pulse : Développement d'un outil automatisé Python informant en temps réel des données de production Tableau à tous les stakeholders concernés par mail tous les matins

- Mise en place d'architecture avec API : Mise un place d'un client Python "tableauserverclient" au sein de JupyterHub permettant d'avoir accès en temps réel aux données Tableau, sans avoir à faire d'ETL manuellement. Permet le traitement direct des données

- Développement de dashboards interactifs Tableau avancés

- Amélioration générale des processus mis en place avec Python

Résultats :

Sélectionné 3 mois après mon arrivée pour un concours des initiatives les plus marquantes de l’année. Les outils ont été utilisé en production et félicités par mes supérieurs/collègues.

Contexte :

J'ai rejoint Thales AMS LAS à Rungis pour aider une équipe en charge d'un middleware pour l'aviation civile. Nous travaillions avec la méthode Agile.

Actions :

- Outil Python permettant de nettoyer massivement des données selon les directives de l'équipe sur un disque NAS partagé

- Indexation de documents non structurés dans Elasticsearch avec création de

visualisations sur Kibana. Utilisation de la stack ELK dans un environnement Python

- Outil Python permettant le suivi automatisé de la couverture de code sur git, permettant une comparaison facile des versions d'un projet

- Contribution au renforcement de la culture d'entreprise en initiant et participant à des projets collaboratifs

Résultats :

Utilisation des outils en interne

Contexte :

J'ai rejoint le pôle Data du Crédit Agricole Titres afin pour aider les pôles métier de la filiale.

Actions :

- Analyse de sentiments sur la base de l'exhaustivité des commentaires (100K+) de 6 applications du groupe BNP Paribas et Crédit Agricole. Utilisation de techniques de scraping, de Natural Language Processing (NLP) et réalisation d'un dashboard Power BI avancé. Tout cela a été réalisé en Python, avec l'architecture Transformers (BERT) pour l'analyse des sentiments.

- Automatisation de rapprochement de données avec Power BI et Power Query

Résultats :

Confiance totale des parties prenantes de mes projets