SlideShare une entreprise Scribd logo
Dossier de compétences | Beezen
www.beezen.fr
163/165 avenue Charles de Gaulle – 92200 Neuilly-sur-Seine – Téléphone : 01 41 43 00 00
Société par Actions Simplifiée au capital de 100.000 € - SIREN 502 612 914 RCS Nanterre
DOSSIER DE COMPETENCES
Data Engineer PYTHON
Mokhtar
COMPETENCES
Bigdata: Elasticsearch, Logstash, Kibana, Hadoop, Spark, Hive, Kafka, Hortonworks, Ambari,
Hue, ScikitLearn, Pandas, numpy.
Informatique Décisionelle: MSBI (SSIS, SSAS, SSRS), Tableau Software.
Web: HTML5, php, javascript, CSS.
SGBD & OS : MySQL, Sql Server, Ubuntu, CentOS.
Modélisation : Power AMC, UML.
Langages de programmation : Python, java, C#, SQL, R, Bash, XML.
Gestion de projets : Scrum(Agile), CrispDM.
REFERENCES PROJETS
Depuis Fevrier 2017 : Datavora
De Octobre 2017 / ce jour
Data Engineer Python
Elaboration des études et analyses sur la data de Datavora et préparation de POC (proof of
concept) client. Le travail est en collaboration avec l’équipe développement(Crawl) et
l’équipe sales et marketing.
Pour la partie préparation de POC, ces derniers sont élaborés selon le client, le secteur
d’activité et les spécificités de son business.
Pour la partie études et analyses, le travail est réalisé en collaboration avec le Marketing
manager afin de diffuser des études sous forme de visualisations sur les évènements
importants influençant le e-commerce (exemple Noël ou Black Friday) ou bien en réalisant
des cases study sur l’impact de la data fournit sur l’activité des clients.
• Etude du business des clients ou du marché et définition des besoins.
• Consolidation de la data pour répondre aux besoins : développement de scripts
scrappy pour sites additionnels, exécution de taches CRON et leur indexation dans
Elasticsearch.
• Ingestion de la data des différents index Elasticsearch disponibles en utilisant logstash.
• Nettoyage et préparation de la donnée en utilisant Python et Pandas.
Dossier de compétences | Beezen
www.beezen.fr
163/165 avenue Charles de Gaulle – 92200 Neuilly-sur-Seine – Téléphone : 01 41 43 00 00
Société par Actions Simplifiée au capital de 100.000 € - SIREN 502 612 914 RCS Nanterre
• Calcul d’indicateur et de métriques en utilisant Python.
• Préparation des dashboard clients ou des visualisations des évènements en utilisant
Tableau software ou bien Kibana.
• Réalisation des cases study en utilisant Canvas.
Environment technique: Elasticsearch, Logstash, Kibana, Tableau Software, Python, Pandas,
Canvas
De Fevrier 2017 / Sep 2017
Data Engineer / Machine learning.
Préparation de POC pour un des clients de Datavora dans le secteur du reconditionnement
des téléphones. Crisp-DM est la méthodologie utilisée pour ce projet
• Analyse du Business du client (Volpy) et définition des Kpi’s utiles à son activité.
• Développent des Kpi en ayant recourt au Machine learning (classification,
segmentation).
• Installation d’Elasticsearch et préparation des nouveaux index.
• Intégration des kpi’s dans les nouveaux dashboard du client.
Environment technique: Python, Scikit-learn, Pandas, Numpy, Elasticsearch.
Juillet à Aout 2016 : Discovery Datasoft
Ingénieur Business Intelligence.
Réalisation d'un projet BI avec la suite Microsoft BI pour exploiter les données issue de l'ERP
Sage et les restituer en rapports.
• Analyse des données disponibles sur l’ERP et définition des études à rajouter.
• Création des paquages SSIS pour l’extraction des donnés de Sql Server 2012 (base de
données de l’ERP), la préparation des données et le stockage dans le
datawarehouse.
• Création des cubes OLAP sous SSAS et développement des Kpi’s.
• Préparation des nouveaux rapports complémentaires sous SSRS.
Environment technique: Microsoft BI (SSIS, SSAS, SSRS), Sql Server 2012
Janvier à Mai 2016 : ESPRIT (Tunis, Tunisie)
Ingénieur Business Intelligence et Big Data.
Elaboration d’une solution décisionnelle comportant une partie BI et une partie Big Data
avec la suite Microsoft BI et Hadoop pour exploiter les données de l’inventaire d’un hôtel à
Hammamet et le flux Twitter de l’hôtel. SCRUM est la méthodologie agile utilisée pour ce
projet.
Dossier de compétences | Beezen
www.beezen.fr
163/165 avenue Charles de Gaulle – 92200 Neuilly-sur-Seine – Téléphone : 01 41 43 00 00
Société par Actions Simplifiée au capital de 100.000 € - SIREN 502 612 914 RCS Nanterre
• Analyse des besoins fonctionnels émanant du manager de l’hôtel.
• Création des paquages SSIS pour l’extraction des donnés de la base de données
Oracle proposé par le client, la préparation des données et le stockage dans le
datawarehouse.
• Création des cubes OLAP sous SSAS et création des hiérarchies.
• Préparation des tableaux de bord pour le suivi des Magasins de l’hôtel sous SSRS.
• Extraction des flux Twitter avec Flume et leur analyse avec Hive.
• Visualisation des tweet avec Spark graphX.
Environment technique: Microsoft BI (SSIS, SSAS, SSRS), Hadoop, Hive, Flume, Spark.
FORMATION
Février 2019- The ultimate hands-on Hadoop – Tame your Big Data, Udemy
(https://www.udemy.com/certificate/UC-9WYKPTE8/)
Octobre 2018- Master Course in Tableau 10 & 2018 for Business intelligence, Udemy
(https://www.udemy.com/certificate/UC-X92G5DFK/)
2014 - 2017- Diplôme d’Ingénieur en informatique, Option ERP / BI. Ecole Supérieure Privée
d’ingénierie et Technologies (ESPRIT) Tunis, Tunisie.
2013 - 2017- Bachelor of International Business Administration. Sup de Co. Montpellier Business
School, (à distance depuis Tunis)
2010 - 2013- Préparatoire intégré, Option MPI (Mathématiques – Physique – Informatique).
Institut national des sciences appliquées et de technologie (INSAT), Tunisie
2010- Baccalauréat Scientifique (Mathématiques)

Contenu connexe

Tendances

Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQL
Antoine Augusti
 
Keynote DevOps - Microsoft DevOps Day 2014 in Paris
Keynote DevOps - Microsoft DevOps Day 2014 in ParisKeynote DevOps - Microsoft DevOps Day 2014 in Paris
Keynote DevOps - Microsoft DevOps Day 2014 in ParisJason De Oliveira
 
IFP Energies nouvelles: corporate presentation
IFP Energies nouvelles: corporate presentationIFP Energies nouvelles: corporate presentation
IFP Energies nouvelles: corporate presentation
IFP ENERGIES NOUVELLES
 
Education Financière : Présentation de notre programme.
Education Financière : Présentation de notre programme.Education Financière : Présentation de notre programme.
Education Financière : Présentation de notre programme.
Félix Yao
 
CV Ahedbf - Fr
CV Ahedbf - FrCV Ahedbf - Fr
CV Ahedbf - Frahed bf
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
Lilia Sfaxi
 
Réussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des donnéesRéussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des données
Denodo
 
Karim Baina Big Data ENSIAS December 2016
Karim Baina Big Data ENSIAS December 2016Karim Baina Big Data ENSIAS December 2016
Karim Baina Big Data ENSIAS December 2016
Karim Baïna
 
Big data
Big dataBig data
Big data
Yosra ADDALI
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQL
kamar MEDDAH
 
Cnc 2010 mp_physique_1
Cnc 2010 mp_physique_1Cnc 2010 mp_physique_1
Cnc 2010 mp_physique_1elmanssouri
 
Créativité et innovation entrepreneuriale
Créativité et innovation entrepreneurialeCréativité et innovation entrepreneuriale
Créativité et innovation entrepreneuriale
INOË CONSEIL
 
Energie renouvelable = Energie propre ?
Energie renouvelable = Energie propre ?Energie renouvelable = Energie propre ?
Energie renouvelable = Energie propre ?
Mohammed Khanniba
 
Data Lake
Data LakeData Lake
Data Lake
Soft Computing
 
Réaliser son business plan en 48 heures.pdf
Réaliser son business plan en 48 heures.pdfRéaliser son business plan en 48 heures.pdf
Réaliser son business plan en 48 heures.pdf
HassanBakhouch5
 
Introduction à Neo4j
Introduction à Neo4jIntroduction à Neo4j
Introduction à Neo4j
Neo4j
 
Ontology concept et applications
Ontology concept et applicationsOntology concept et applications
Ontology concept et applications
benouini rachid
 
Ontologie concept applications
Ontologie concept applicationsOntologie concept applications
Ontologie concept applications
benouini rachid
 
Transformation Digitale
Transformation DigitaleTransformation Digitale
Transformation Digitale
Frederic CAVAZZA
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQL
Lilia Sfaxi
 

Tendances (20)

Introduction aux bases de données NoSQL
Introduction aux bases de données NoSQLIntroduction aux bases de données NoSQL
Introduction aux bases de données NoSQL
 
Keynote DevOps - Microsoft DevOps Day 2014 in Paris
Keynote DevOps - Microsoft DevOps Day 2014 in ParisKeynote DevOps - Microsoft DevOps Day 2014 in Paris
Keynote DevOps - Microsoft DevOps Day 2014 in Paris
 
IFP Energies nouvelles: corporate presentation
IFP Energies nouvelles: corporate presentationIFP Energies nouvelles: corporate presentation
IFP Energies nouvelles: corporate presentation
 
Education Financière : Présentation de notre programme.
Education Financière : Présentation de notre programme.Education Financière : Présentation de notre programme.
Education Financière : Présentation de notre programme.
 
CV Ahedbf - Fr
CV Ahedbf - FrCV Ahedbf - Fr
CV Ahedbf - Fr
 
Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
 
Réussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des donnéesRéussir sa migration vers le Cloud grâce à la virtualisation des données
Réussir sa migration vers le Cloud grâce à la virtualisation des données
 
Karim Baina Big Data ENSIAS December 2016
Karim Baina Big Data ENSIAS December 2016Karim Baina Big Data ENSIAS December 2016
Karim Baina Big Data ENSIAS December 2016
 
Big data
Big dataBig data
Big data
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQL
 
Cnc 2010 mp_physique_1
Cnc 2010 mp_physique_1Cnc 2010 mp_physique_1
Cnc 2010 mp_physique_1
 
Créativité et innovation entrepreneuriale
Créativité et innovation entrepreneurialeCréativité et innovation entrepreneuriale
Créativité et innovation entrepreneuriale
 
Energie renouvelable = Energie propre ?
Energie renouvelable = Energie propre ?Energie renouvelable = Energie propre ?
Energie renouvelable = Energie propre ?
 
Data Lake
Data LakeData Lake
Data Lake
 
Réaliser son business plan en 48 heures.pdf
Réaliser son business plan en 48 heures.pdfRéaliser son business plan en 48 heures.pdf
Réaliser son business plan en 48 heures.pdf
 
Introduction à Neo4j
Introduction à Neo4jIntroduction à Neo4j
Introduction à Neo4j
 
Ontology concept et applications
Ontology concept et applicationsOntology concept et applications
Ontology concept et applications
 
Ontologie concept applications
Ontologie concept applicationsOntologie concept applications
Ontologie concept applications
 
Transformation Digitale
Transformation DigitaleTransformation Digitale
Transformation Digitale
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQL
 

Similaire à Dossier de competences MBH

CV AH
CV AHCV AH
DEVOPS / PYTHON DISPONIBLE
DEVOPS / PYTHON DISPONIBLEDEVOPS / PYTHON DISPONIBLE
DEVOPS / PYTHON DISPONIBLE
Clementine D.
 
Groupe Cyrès
Groupe Cyrès Groupe Cyrès
Groupe Cyrès
Cyrès
 
Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]
Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]
Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]
ANEO
 
Pres azure paas tdf -rex-hager-vincent thavonekham-regional director-azug f...
Pres azure   paas tdf -rex-hager-vincent thavonekham-regional director-azug f...Pres azure   paas tdf -rex-hager-vincent thavonekham-regional director-azug f...
Pres azure paas tdf -rex-hager-vincent thavonekham-regional director-azug f...
FactoVia
 
Ilyes gharsalli
Ilyes gharsalliIlyes gharsalli
Ilyes gharsalli
Ilyes GHARSALLI, CSPO®
 
Presentation OpenData-Madagascar
Presentation OpenData-MadagascarPresentation OpenData-Madagascar
Presentation OpenData-Madagascar
OPEN DATA MADAGASCAR
 
Dossier de competences zm beezen (1)
Dossier de competences zm beezen (1)Dossier de competences zm beezen (1)
Dossier de competences zm beezen (1)
Clementine D.
 
Oxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigDataOxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigData
Ludovic Piot
 
#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big Data#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big Data
NetSecure Day
 
Cv mahmoud1993-francais
Cv mahmoud1993-francaisCv mahmoud1993-francais
Cv mahmoud1993-francais
MahmoudHentati1
 
BEEZEN : Présentation générale candidats
BEEZEN : Présentation générale candidatsBEEZEN : Présentation générale candidats
BEEZEN : Présentation générale candidats
BEEZEN
 
Catalogue pfe 2018 2019
Catalogue pfe 2018 2019Catalogue pfe 2018 2019
Catalogue pfe 2018 2019
TELNETTunisie
 
BigData en France par Excelerate Systems
BigData en France par Excelerate Systems BigData en France par Excelerate Systems
BigData en France par Excelerate Systems
Excelerate Systems
 
Cv
CvCv
IPTECH CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018
IPTECH  CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018IPTECH  CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018
IPTECH CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018
. WATCOM
 
Offrir de l'analytique en temps réel en un clic
Offrir de l'analytique en temps réel en un clicOffrir de l'analytique en temps réel en un clic
Offrir de l'analytique en temps réel en un clic
Jean-Michel Franco
 
GraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4jGraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4j
Neo4j
 
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
Jean-Michel Franco
 

Similaire à Dossier de competences MBH (20)

CV AH
CV AHCV AH
CV AH
 
DEVOPS / PYTHON DISPONIBLE
DEVOPS / PYTHON DISPONIBLEDEVOPS / PYTHON DISPONIBLE
DEVOPS / PYTHON DISPONIBLE
 
Groupe Cyrès
Groupe Cyrès Groupe Cyrès
Groupe Cyrès
 
Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]
Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]
Tech daysRetour d’expérience Big Compute & HPC sur Windows Azure [TechDays 2014]
 
Pres azure paas tdf -rex-hager-vincent thavonekham-regional director-azug f...
Pres azure   paas tdf -rex-hager-vincent thavonekham-regional director-azug f...Pres azure   paas tdf -rex-hager-vincent thavonekham-regional director-azug f...
Pres azure paas tdf -rex-hager-vincent thavonekham-regional director-azug f...
 
Ilyes gharsalli
Ilyes gharsalliIlyes gharsalli
Ilyes gharsalli
 
Presentation OpenData-Madagascar
Presentation OpenData-MadagascarPresentation OpenData-Madagascar
Presentation OpenData-Madagascar
 
Dossier de competences zm beezen (1)
Dossier de competences zm beezen (1)Dossier de competences zm beezen (1)
Dossier de competences zm beezen (1)
 
Oxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigDataOxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigData
 
#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big Data#NSD14 - La sécurité autour du Big Data
#NSD14 - La sécurité autour du Big Data
 
Cv mahmoud1993-francais
Cv mahmoud1993-francaisCv mahmoud1993-francais
Cv mahmoud1993-francais
 
BEEZEN : Présentation générale candidats
BEEZEN : Présentation générale candidatsBEEZEN : Présentation générale candidats
BEEZEN : Présentation générale candidats
 
Catalogue pfe 2018 2019
Catalogue pfe 2018 2019Catalogue pfe 2018 2019
Catalogue pfe 2018 2019
 
BigData en France par Excelerate Systems
BigData en France par Excelerate Systems BigData en France par Excelerate Systems
BigData en France par Excelerate Systems
 
cv_chaker_jouini_fr
cv_chaker_jouini_frcv_chaker_jouini_fr
cv_chaker_jouini_fr
 
Cv
CvCv
Cv
 
IPTECH CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018
IPTECH  CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018IPTECH  CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018
IPTECH CATALOGUE DES SUJETS PFE POUR L'ANNÉE 2018
 
Offrir de l'analytique en temps réel en un clic
Offrir de l'analytique en temps réel en un clicOffrir de l'analytique en temps réel en un clic
Offrir de l'analytique en temps réel en un clic
 
GraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4jGraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4j
 
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
Big Data : au delà du proof of concept et de l'expérimentation (Matinale busi...
 

Dossier de competences MBH

  • 1. Dossier de compétences | Beezen www.beezen.fr 163/165 avenue Charles de Gaulle – 92200 Neuilly-sur-Seine – Téléphone : 01 41 43 00 00 Société par Actions Simplifiée au capital de 100.000 € - SIREN 502 612 914 RCS Nanterre DOSSIER DE COMPETENCES Data Engineer PYTHON Mokhtar COMPETENCES Bigdata: Elasticsearch, Logstash, Kibana, Hadoop, Spark, Hive, Kafka, Hortonworks, Ambari, Hue, ScikitLearn, Pandas, numpy. Informatique Décisionelle: MSBI (SSIS, SSAS, SSRS), Tableau Software. Web: HTML5, php, javascript, CSS. SGBD & OS : MySQL, Sql Server, Ubuntu, CentOS. Modélisation : Power AMC, UML. Langages de programmation : Python, java, C#, SQL, R, Bash, XML. Gestion de projets : Scrum(Agile), CrispDM. REFERENCES PROJETS Depuis Fevrier 2017 : Datavora De Octobre 2017 / ce jour Data Engineer Python Elaboration des études et analyses sur la data de Datavora et préparation de POC (proof of concept) client. Le travail est en collaboration avec l’équipe développement(Crawl) et l’équipe sales et marketing. Pour la partie préparation de POC, ces derniers sont élaborés selon le client, le secteur d’activité et les spécificités de son business. Pour la partie études et analyses, le travail est réalisé en collaboration avec le Marketing manager afin de diffuser des études sous forme de visualisations sur les évènements importants influençant le e-commerce (exemple Noël ou Black Friday) ou bien en réalisant des cases study sur l’impact de la data fournit sur l’activité des clients. • Etude du business des clients ou du marché et définition des besoins. • Consolidation de la data pour répondre aux besoins : développement de scripts scrappy pour sites additionnels, exécution de taches CRON et leur indexation dans Elasticsearch. • Ingestion de la data des différents index Elasticsearch disponibles en utilisant logstash. • Nettoyage et préparation de la donnée en utilisant Python et Pandas.
  • 2. Dossier de compétences | Beezen www.beezen.fr 163/165 avenue Charles de Gaulle – 92200 Neuilly-sur-Seine – Téléphone : 01 41 43 00 00 Société par Actions Simplifiée au capital de 100.000 € - SIREN 502 612 914 RCS Nanterre • Calcul d’indicateur et de métriques en utilisant Python. • Préparation des dashboard clients ou des visualisations des évènements en utilisant Tableau software ou bien Kibana. • Réalisation des cases study en utilisant Canvas. Environment technique: Elasticsearch, Logstash, Kibana, Tableau Software, Python, Pandas, Canvas De Fevrier 2017 / Sep 2017 Data Engineer / Machine learning. Préparation de POC pour un des clients de Datavora dans le secteur du reconditionnement des téléphones. Crisp-DM est la méthodologie utilisée pour ce projet • Analyse du Business du client (Volpy) et définition des Kpi’s utiles à son activité. • Développent des Kpi en ayant recourt au Machine learning (classification, segmentation). • Installation d’Elasticsearch et préparation des nouveaux index. • Intégration des kpi’s dans les nouveaux dashboard du client. Environment technique: Python, Scikit-learn, Pandas, Numpy, Elasticsearch. Juillet à Aout 2016 : Discovery Datasoft Ingénieur Business Intelligence. Réalisation d'un projet BI avec la suite Microsoft BI pour exploiter les données issue de l'ERP Sage et les restituer en rapports. • Analyse des données disponibles sur l’ERP et définition des études à rajouter. • Création des paquages SSIS pour l’extraction des donnés de Sql Server 2012 (base de données de l’ERP), la préparation des données et le stockage dans le datawarehouse. • Création des cubes OLAP sous SSAS et développement des Kpi’s. • Préparation des nouveaux rapports complémentaires sous SSRS. Environment technique: Microsoft BI (SSIS, SSAS, SSRS), Sql Server 2012 Janvier à Mai 2016 : ESPRIT (Tunis, Tunisie) Ingénieur Business Intelligence et Big Data. Elaboration d’une solution décisionnelle comportant une partie BI et une partie Big Data avec la suite Microsoft BI et Hadoop pour exploiter les données de l’inventaire d’un hôtel à Hammamet et le flux Twitter de l’hôtel. SCRUM est la méthodologie agile utilisée pour ce projet.
  • 3. Dossier de compétences | Beezen www.beezen.fr 163/165 avenue Charles de Gaulle – 92200 Neuilly-sur-Seine – Téléphone : 01 41 43 00 00 Société par Actions Simplifiée au capital de 100.000 € - SIREN 502 612 914 RCS Nanterre • Analyse des besoins fonctionnels émanant du manager de l’hôtel. • Création des paquages SSIS pour l’extraction des donnés de la base de données Oracle proposé par le client, la préparation des données et le stockage dans le datawarehouse. • Création des cubes OLAP sous SSAS et création des hiérarchies. • Préparation des tableaux de bord pour le suivi des Magasins de l’hôtel sous SSRS. • Extraction des flux Twitter avec Flume et leur analyse avec Hive. • Visualisation des tweet avec Spark graphX. Environment technique: Microsoft BI (SSIS, SSAS, SSRS), Hadoop, Hive, Flume, Spark. FORMATION Février 2019- The ultimate hands-on Hadoop – Tame your Big Data, Udemy (https://www.udemy.com/certificate/UC-9WYKPTE8/) Octobre 2018- Master Course in Tableau 10 & 2018 for Business intelligence, Udemy (https://www.udemy.com/certificate/UC-X92G5DFK/) 2014 - 2017- Diplôme d’Ingénieur en informatique, Option ERP / BI. Ecole Supérieure Privée d’ingénierie et Technologies (ESPRIT) Tunis, Tunisie. 2013 - 2017- Bachelor of International Business Administration. Sup de Co. Montpellier Business School, (à distance depuis Tunis) 2010 - 2013- Préparatoire intégré, Option MPI (Mathématiques – Physique – Informatique). Institut national des sciences appliquées et de technologie (INSAT), Tunisie 2010- Baccalauréat Scientifique (Mathématiques)