sissoko.

Moussa Sissoko · Data Analyst & Analytics Engineer

Transformer la donnée en décisions fiables

De l'ingestion à la restitution, je conçois des pipelines de données fiables, des modèles prédictifs et des dashboards de pilotage, avec une expertise en finance et en économie.

Disponible à Paris et en Île-de-France

  • Data Engineering
  • Analytics
  • BI
  • Orchestration
  • Machine Learning
  • Qualité & Gouvernance
Schéma d'une plateforme de données : des sources convergent vers un entrepôt central qui alimente des tableaux de bord

Un parcours au sein d'institutions de référence

  • Ministère de l'Économie et des Finances
  • Banque de France
  • CDEF Maine-et-Loire
  • Université de Lorraine
  • Université d'Angers

Expertise

Une approche hybride : rigueur statistique et ingénierie moderne

De la donnée brute jusqu'à la restitution décisionnelle, je couvre l'ensemble de la chaîne de valeur data.

  • Data Engineering

    Conception de pipelines ETL/ELT fiables, modélisation SQL et orchestration des flux de bout en bout.

    • SQL
    • Apache Airflow
    • dbt
    • Snowflake
    • BigQuery
    • GCP
  • Analytics & NLP

    Analyse statistique avancée, économétrie et traitement du langage naturel appliqués aux données financières.

    • Python
    • R
    • Pandas
    • SAS
    • Text Mining
  • Machine Learning

    Modèles prédictifs, scoring de risque, détection de régimes et clustering, industrialisés en CI/CD.

    • scikit-learn
    • XGBoost
    • LightGBM
    • K-Means
    • MLOps
  • Business Intelligence

    Tableaux de bord décisionnels pour piloter la performance et rendre la donnée actionnable.

    • Power BI
    • DAX
    • Tableau
    • R Shiny
    • Apache Superset
    • Streamlit

Méthode

Trois étapes, zéro approximation

De la source brute au tableau de bord, chaque étape a un résultat concret et vérifiable.

  1. Collecter & structurer

    Je rassemble des sources hétérogènes dans un socle unique et maîtrisé.

    • Applications métiers, tableurs collaboratifs et sources externes via API
    • Dépôt de fichiers et stockage objet pour les exports manuels
    • Extraction planifiée et reproductible, sans intervention manuelle
    • APIs REST
    • Grist
    • MinIO
    • Python

    LivrableDonnées brutes centralisées et traçables

  2. Traiter & fiabiliser

    Je transforme la donnée en base décisionnelle documentée et testée.

    • Pipelines ETL orchestrés avec Apache Airflow
    • Modèles SQL versionnés avec Git, tests qualité automatisés
    • Base décisionnelle PostgreSQL et documentation à jour
    • Apache Airflow
    • PostgreSQL
    • SQL
    • dbt
    • Git

    LivrableBase décisionnelle fiable et documentée

  3. Restituer & exploiter

    Je rends la donnée lisible et utile à la décision.

    • Tableaux de bord clairs, indicateurs actionnables
    • Statistiques et machine learning adaptés au problème métier
    • Accès autonome pour les équipes métiers
    • Dataviz
    • Power BI
    • Streamlit
    • Superset

    LivrableDashboards de pilotage pour la décision

Parcours

Au cœur des institutions économiques et financières

Formation

  • Master Expertise Statistique pour l'Économie et la Finance

    Université de Lorraine · 2024 — 2026

  • Licence Économie & Gestion

    Université d'Angers · 2022 — 2024

  1. Data & Analytics Engineer

    Ministère de l'Économie et des Finances

    2025 — Août 2026 · Paris

    • Conception et mise en production de plus de 4 pipelines de données de bout en bout, orchestrés avec Apache Airflow, de la collecte multi-sources (API, applications métiers, tableurs collaboratifs) jusqu’à la base décisionnelle.
    • Suivi, maintenance et évolution des pipelines en production : correctifs, gestion des partitions, évolutions de configuration et fiabilisation continue.
    • Structuration des données en modèles SQL versionnés avec Git, couverts par des contrôles qualité automatisés et une documentation maintenue à jour.
    • Contribution à l’architecture cible (traitement, base décisionnelle PostgreSQL, datavisualisation) et livraison de tableaux de bord de pilotage aux équipes métiers.
  2. Data Analyst

    Banque de France

    Avr. — Août 2025 · France

    • Développement d’une application R Shiny de text mining pour exploiter des corpus de documents bancaires (exploration, scoring de sentiment, synthèse d’insights).
    • Analyses statistiques et macroéconomiques pour appuyer les études internes et éclairer la décision.
    • Structuration et documentation des traitements pour les rendre reproductibles par les équipes.
  3. Gestionnaire Finances

    CDEF Maine-et-Loire

    Été 2023 · Angers

    • Pilotage financier via des tableaux de bord Power BI.
    • Construction de modèles budgétaires sous Excel et fiabilisation des flux comptables.

Projets

Des cas concrets, du pipeline au portefeuille

Une sélection de projets open source en data engineering, finance quantitative et IA.

Tout voir sur GitHub

Projet phare · Finance quantitative · MLOps

AlphaEdge — Portefeuille multi-marchés

Système quantitatif multi-marchés (CAC 40, NASDAQ, émergents) : ensemble XGBoost + LightGBM, portefeuille Black-Litterman sous contrainte CVaR, validation anti-fuite et pipeline MLOps quotidien automatisé.

  • Python
  • XGBoost
  • MLflow
  • PyPortfolioOpt
  • GitHub Actions
  • Streamlit
Régimes de marchéK-Means
PrédictionXGBoost · LightGBM
OptimisationBlack-Litterman · CVaR
SuiviSharpe · Sortino · CI/CD
  • Data Engineering

    Banking Analytics & Scoring

    Architecture ELT transformant des données bancaires brutes en KPIs financiers fiables : scoring de valeur, segmentation de risque et ratios de liquidité, avec tests automatisés.

  • Gestion des risques

    Quant Risk — VaR & CVaR

    Moteur de risque multi-actifs : VaR/CVaR historique et Monte Carlo, stress tests et backtesting pour valider la couverture en conditions extrêmes (fat tails).

    • Python
    • NumPy
    • Monte Carlo
    • Backtesting
  • Data Engineering

    NYC Yellow Taxi ETL

    Pipeline de bout en bout : ingestion, contrôle qualité, typage et features, puis chargement dans BigQuery orchestré par Airflow pour alimenter la BI.

    • Airflow
    • BigQuery
    • Python
    • GCP
  • NLP · Dataviz

    Text Mining App

    Application R Shiny interactive : exploration de corpus, scoring de sentiment et synthèse d’insights pour accélérer l’analyse de retours clients et de documents.

  • IA générative · Automatisation

    AuraContent

    Usine de contenu entièrement automatisée qui transforme des sujets tendances en YouTube Shorts via Gemini, Edge-TTS et un montage FFmpeg dynamique.

  • Et plus encore

    15+ dépôts sur la data, le risque et l'IA générative.

    Explorer GitHub

Disponible · Île-de-France

Un projet data, un poste, une collaboration ?

Ouvert aux opportunités en data engineering, analytics et finance quantitative. Écrivez-moi, je réponds rapidement.

moussa.sissoko.contact@gmail.com