Share this job
Delivery data engineering en proximité métier
Concevoir, développer et maintenir des pipelines de données batch, event-driven ou streaming selon les besoins des produits data.
Traduire les exigences fonctionnelles et contraintes techniques en solutions data simples, robustes, scalables et maintenables.
Contribuer aux cérémonies de delivery, au chiffrage, à la planification, à la gestion des dépendances et à la sécurisation des engagements des squads.
Assurer une collaboration fluide avec les Delivery Managers pour rendre visibles les risques, dépendances, arbitrages et points de blocage.
Industrialisation, qualité et fiabilité
Mettre en œuvre les « quality gates » : tests unitaires et d'intégration, tests de données, contrôle de schéma, idempotence, stratégies de reprise et validation de la qualité.
Appliquer les standards de développement Python, PySpark et SQL, ainsi que les bonnes pratiques Git, CI/CD, revue de code et documentation.
Contribuer à l'observabilité des flux : logs, métriques, alerting, lineage, suivi des SLA/SLO et analyse des incidents de run.
Participer au diagnostic et à la résolution des incidents ou problèmes de production en lien avec les équipes plateformes, CloudOps et SecOps.
Architecture data, Lakehouse et performance
Implémenter les patterns d'architecture validés : ingestion, modélisation Lakehouse, architecture médaillon, data products, APIs de données et intégrations réutilisables.
Optimiser les traitements Spark/Databricks, les requêtes SQL, les stratégies de stockage et l'utilisation du compute afin d'améliorer performance et coûts.
Documenter les choix techniques structurants et contribuer aux ADR lorsque les décisions impactent les standards ou la trajectoire cible.
Veiller à la cohérence des solutions avec l'architecture One B2C, les standards Data Engineering & Platforms et les exigences entreprise.
Sécurité, gouvernance et conformité
Intégrer les exigences de sécurité by design : gestion des secrets, IAM, droits d'accès, chiffrement, durcissement, scans et séparation des environnements.
Appliquer les règles de protection des données, d'anonymisation, de minimisation, de traçabilité et de conformité RGPD.
Contribuer à la gouvernance opérationnelle des datasets, métadonnées, contrats de données, contrôles d'accès et règles de qualité.
Travailler avec les équipes Cybersecurity, Infrastructure, Data Office et Architecture pour garantir l'alignement avec les standards ENGIE.
AI-assisted engineering et amélioration continue
Utiliser de manière responsable les outils d'ingénierie assistée par IA, tels que Copilot, agents, génération de code, SQL, tests, documentation et aide au debugging.
Identifier et proposer des opportunités d'automatisation pour accélérer le delivery, réduire les erreurs et standardiser les pratiques d'ingénierie.
Candidate profile
Formation et expérience
Formation supérieure en informatique, data, ingénierie, mathématiques appliquées ou discipline équivalente.
Expérience confirmée en data engineering, idéalement 5 à 7 ans, dans des environnements cloud (AWS), data platform ou produits data.
Expérience significative de delivery en mode agile, squad ou feature team, avec interactions régulières avec métiers, product owners et delivery managers.
Une expérience dans un contexte de transformation, de modernisation de plateforme data ou d'organisation multi-équipes est attendue ou fortement appréciée.
Compétences comportementales
Orientation « delivery » et impact : produire de la valeur de manière régulière, visible et fiable.
Rigueur d'ingénierie & pragmatisme : développer, tester, documenter, opérer et améliorer en continu.
Collaboration & communication : travailler efficacement avec les Delivery Managers, Tech Leads, Architectes, Data Product Managers, métiers et équipes plateforme. Expliquer clairement les contraintes, arbitrages, risques et options techniques.
Working environment
Compétences techniques attendues
Maîtrise de l'écosystème Databricks, Apache Spark, Delta Lake, Unity Catalog et workflows Databricks, avec une capacité à exploiter pleinement les fonctionnalités de performance, gouvernance, industrialisation et observabilité de la plateforme.
Parfaite maîtrise de Python, PySpark et SQL pour concevoir, développer, optimiser et maintenir des pipelines fiables, testables, performants et industrialisables.
Maîtrise de Dataiku pour concevoir, industrialiser et gouverner des cas d'usage data, analytics ou citizen development, en articulation avec les standards de la plateforme data et les pratiques de delivery.
Maîtrise de Power BI pour contribuer à la conception, l'industrialisation et la mise à disposition de reportings, tableaux de bord et indicateurs métiers fiables, performants et alignés avec les besoins de pilotage.
Connaissance des architectures Lakehouse, batch, event-driven et streaming, ainsi que des principes de modélisation analytique et opérationnelle.
Pratique d'AWS et des services data associés, par exemple S3, Glue, EMR, Redshift, Kinesis ou services équivalents.
Pratique des outils d'orchestration et transformation tels qu'Airflow et dbt, avec gestion des dépendances, idempotence et reprise sur erreur.
Maîtrise des pratiques CI/CD (GitHub Action, Artifactory JFrog, Xray, Cortex/Prisma ), Git, Infrastructure as Code (Terraform & Crossplane), monitoring, logging et observabilité (Datadog), avec une sensibilité DataOps / DevOps.
Bonne compréhension des enjeux de sécurité, IAM, RGPD, anonymisation, data quality, lineage et gouvernance des données.
Apply to this job!
Find your next career move from +8,000 jobs!
Manage your visibility
Salary, remote work... Define all the criteria that are important to you.
Get discovered
Recruiters come directly to look for their future hires in our CV library.
Join a community
Connect with like-minded tech and IT professionals on a daily basis through our forum.
Data Engineer Databricks / Python / AWS
ACENSI Ile de France
