George Shamieh

Conçu et développé un pipeline ETL avec Power Query et VBA pour l'ingestion, le nettoyage, la standardisation et l'enrichissement de données historiques de devis (1 000 à 10 000 lignes par fichier). Développé un algorithme de classification automatique déterministe basé sur des règles métier, permettant la catégorisation de plus de 100 catégories de coûts avec un taux d'erreur de classification validé à 0 %. Construit un modèle automatisé d'estimation des coûts exploitant l'analyse de données historiques, validé par une validation croisée Leave-One-Out avec une erreur moyenne de 4 % sur les coûts totaux estimés.

Analyste de Données - Thales - Land and Air Systems (LAS) – Rungis, France

(2026-02 - 2026-07)

• Conçu et développé un pipeline ETL avec Power Query et VBA pour l'ingestion, le nettoyage, la standardisation et l'enrichissement de données historiques de devis (1 000 à 10 000 lignes par fichier).
• Développé un algorithme de classification automatique déterministe basé sur des règles métier, permettant la catégorisation de plus de 100 catégories de coûts avec un taux d'erreur de classification validé à 0 %.
• Construit un modèle automatisé d'estimation des coûts exploitant l'analyse de données historiques, validé par une validation croisée Leave-One-Out avec une erreur moyenne de 4 % sur les coûts totaux estimés.
• Modélisé et visualisé les données dans Power BI via des tableaux de bord interactifs permettant une analyse comparative, le suivi des scores de confiance et l'exploration multidimensionnelle des données métier (entité, catégorie de coût, RC/NRC).
• Recueilli les besoins des utilisateurs, amélioré continuellement la solution par des cycles de retours itératifs, et accompagné le déploiement et l'adoption par les équipes métier.

Ingénieur de Données Risques - Engie - Global Energy Management and Sales (GEMS) – Paris, France

(2025-03 - 2025-08)

• Développé et optimisé un outil d'analyse d'impact en Python (pandas) pour les métriques de risque financier (VaR, Greeks, P&L) sur AWS (Athena, S3), traitant des jeux de données contenant des milliards d'enregistrements.
• Accéléré les temps de traitement de 40 % grâce à l'optimisation des requêtes SQL Athena et à la génération automatisée de tables temporaires, éliminant les problèmes récurrents de timeout.
• Amélioré continuellement les tableaux de bord Power BI (modèles de données, mesures et visualisations) en collaboration avec les analystes métier.
• Restructuré la base de code Python en une architecture orientée objet et produit une documentation technique complète.
• Travaillé avec Git (feature branching, pull requests) et intégré les développements dans un pipeline CI/CD Azure DevOps existant.

Master of Engineering - Data Science & Intelligence Artificielle - ESILV – Graduate Engineering School (2021 - 2026) Courbevoie, France

Semestre International - Data Science & Algorithmes - Hanyang University (2023-09 - 2023-12) Seoul, South Korea