pipelines: passing

Je transforme les données
en systèmes fiables.

Analytics Engineer chez Generali (Sibylone) : 3 ans à fiabiliser des flux de données réglementaires et graphes de fraude, avec Snowflake, Dataiku et Neo4j.

Mon CV

À propos

role Analytics Engineer — Sibylone × Generali
stack Snowflake · Dataiku (DSS) · Power BI · Neo4j · Python
focus Qualité des données, architectures ELT, reporting réglementaire (ACPR, Solvabilité 2)
formation Master 2 Big Data & Machine Learning — EFREI (2019–2022)
Dataiku Advanced Designer Dataiku ML Practitioner Dataiku Core Designer Neo4j Fundamentals Neo4j Cypher Fundamentals

Expérience

10/2022 — présent Sibylone · Generali

Consultant Data / Analytics Engineer

depuis 04/2023 — Task Force réglementaire ACPR 2024
  • Extraction et consolidation de données complexes (Snowflake, Dataiku) pour répondre aux sollicitations précises du régulateur.
  • Modélisation de tables optimisées pour les dashboards de pilotage de la mission sur Power BI.
  • Mise en place d'indicateurs de cohérence technique pour garantir l'exactitude des chiffres transmis.
depuis 10/2022 — Data, fraude & coordination
  • Architecture de flux ELT bout en bout (Snowflake, Dataiku), de l'extraction brute à la préparation SQL.
  • Ingénierie de graphes (Python, Neo4j) : chargement et fiabilisation des données pour les moteurs de fraude.
  • Scrum Master : coordination entre métiers (Sécurité Financière, Conformité) et IT.
Engagements internes
  • Projet REX : référentiel de retours d'expérience pour cartographier les missions et stacks technologiques.
  • IA générative (side project) : outil de résumé automatique d'articles (LLM, Python) pour la veille technologique interne.

Projets

extract load transform tested

MTG dbt Pipelinedbt · BigQuery · Python

Pipeline EL-T qui ingère les cartes Magic: The Gathering depuis l'export bulk Scryfall vers une table BigQuery brute et partitionnée par date, puis les transforme avec dbt : modèles, tests de qualité et macros réutilisables.

GitHub