Présentation
• Modernisation du cloud : A permis la migration d’une application critique à risque de marché d’une infrastructure VM héritée vers un environnement cloud conteneurisé malgré des dépendances complexes au NAS.
• Architecture Cloud & Modernisation : Modernisation des plateformes d’entreprise sur AWS, Docker, Kubernetes, Microservices, Databricks, Kafka et refactoring des systèmes hérités, renforçant la scalabilité et l’adoption technologique.
• Ingénierie de la performance : Transformation d’un goulot d’étranglement d’extraction de données IPV de 4 à 5 heures en un pipeline de données asynchrones et parallèles fiable.
• Réduction des risques opérationnels : Traitement automatisé des données commerciales de longue date LME qui nécessitait auparavant une journée complète d’efforts manuels d’analystes métier chaque jour.
• Optimisation de la plateforme : Réduction du traitement Sybase ASE de 45+ minutes à moins de 5 minutes, éliminant les temps d’arrêt des processus et les interventions L2/DBA.
• Impact de l’automatisation : réduction du temps d’agrégation des données de 60 % tout en permettant une recherche en moins d’une seconde sur des millions d’enregistrements non structurés.
Parcours
• A conçu une approche de chargement à distance de bases de données de fichiers contournant les dépendances restrictives du stockage connecté au réseau (NAS), permettant avec succès la migration cloud d’une application critique très chargée en données des VM héritées vers des environnements cloud conteneurisés.
• Éliminait un goulot d’étranglement d’extraction de données de 4 à 5 heures en remplaçant les téléchargements synchrones par une interface utilisateur par un moteur d’extraction asynchrone à haut débit basé sur Python, exploitant cinq flux de traitement parallèle.
• Minimiser les défaillances récurrentes du système causées par les contraintes de connexion à la base de données et de mémoire grâce au pooling de connexions basé sur les processus et au pré-cache des ensembles de données, stabilisant ainsi les flux de données à grand volume au niveau des instruments.
• A lancé une architecture pilotée par événements utilisant des pipelines de messagerie Apache Kafka pour intégrer des microservices Java/Spring avec des moteurs d’analyse Python, des magasins de données distribués et des environnements cloud AWS.
Goulots d’étranglement dans le commerce, la position et le traitement de trésorerie. Récompenses : YMD (You Make Difference) | Valeur fondamentale - Ouverture |
Valeur fondamentale - Livraison centrée sur le client | Valeur fondamentale - Relation
Éliminé un vieux manque de risque opérationnel dans les LME en inversant la London Metal Exchange non standard
Des formats d’échange et la création d’une couche de cartographie personnalisée en dehors du modèle d’ingestion rigide de la plateforme.
Réduction du temps de traitement de l’ASE Sybase de 45+ minutes à moins de 5 minutes en développant une table temporaire
Approche de classement et d’indexation pour les sous-ensembles de données ciblés.
Résolution des problèmes de multiplication croisée des échanges en créant un mécanisme de classement pour les échanges de quantité similaire malgré
l’absence de fonctionnalité native RANKORDER dans Sybase ASE.
Renforcement de la livraison des applications de rapprochement mondial pour 350+ marchés en APAC, en Europe et en Amérique du Nord.
Modernisation du Mainframe vers Linux : Migration co-dirigée des dépôts de données Cash and Trade du Mainframe DB2 vers
DB2 Linux, réduisant la dépendance aux technologies héritées et permettant la modernisation de la plateforme.
les calculs et les processus de gestion des risques financiers en aval. Récompense : Prix Or
Réduction du temps de calcul de liquidité côté Java de 45 minutes à 10 minutes en implémentant le motif Flyweight-pattern
mise en cache et réutilisation des données d’instruments courantes entre régions.
Réduire le traitement de la base de données de 10 minutes à 2 à 3 minutes en calculant uniquement les instruments manquants et en introduisant un
réutilisable et statique, créant une source de données enrichie pour les flux de travail financiers en aval.
Gestion de plateformes de données financières à fort volume traitant 6M+ transactions et 300+ flux quotidiens sur 70+ produits,
Soutenir les fonctions critiques en aval de risque, de réglementation, de trésorerie et de finance.
Rules Engine & Risk Analytics : Conception d’un moteur d’identification de liquidité de transaction avec auditabilité de bout en bout, permettant
traçabilité ligne par ligne des règles de liquidité et des calculs de réduction de Bâle 3.
Automatisation et solutions de traitement de données à haut volume. Récompenses : Meilleure débutante | A obtenu 2 promotions et un Meilleur
Prix de la performance | Exposition internationale : San Mateo, Californie | Jan 2007 - mars 2007
Réduction du temps d’agrégation des données de 60 % en ingéniant des pipelines de normalisation et de consolidation à haut débit
utilisation de scripts AWK et shell pour les données de marché non structurées d’eBay.
Ingénierie de la recherche visuelle : Sélectionné pour un engagement prolongé sur site avec Like.com à San Mateo, CA,
contribuer à l’orientation des algorithmes de recherche visuelle pour la découverte de produits basés sur des images avant son acquisition par Google
Permis la recherche en moins de seconde sur des millions d’enregistrements en construisant une plateforme de shopping personnalisée utilisant Joomla
et un moteur de recherche basé sur Sphinx.
A dirigé des équipes de 5 à 10 ressources sur plusieurs projets simultanés tout en gérant le développement et la livraison d’applications,
et la coordination des clients.
des initiatives d’amélioration.


