Find your next tech and IT Job or contract BigQuery

📜 Principales missions : - Architecture & Modélisation Data Concevoir et faire évoluer l'architecture Data de l'entreprise. Définir les modèles de données du Data Warehouse et des datamarts. Garantir la cohérence des données entre les différentes plateformes et applications. Réaliser les études d'impacts et participer aux choix d'architecture des projets Data. - Gouvernance et Patrimoine Data Construire et maintenir la cartographie du patrimoine Data de l'entreprise. Définir et maintenir le dictionnaire de données. Participer à l'amélioration de la gouvernance et de la qualité des données. S'assurer de la documentation et de la traçabilité des flux et référentiels de données. - Expertise BI & Analytics Modéliser les données au sein du Data Warehouse. Accompagner la conception des modèles sémantiques Power BI. Définir les bonnes pratiques de modélisation et de développement BI. Garantir la performance et la maintenabilité des solutions décisionnelles. Participer à l'évolution des plateformes Analytics. - Accompagnement des projets Accompagner le Responsable Data IT et le Product Owner dans le cadrage des besoins métiers. Contribuer aux estimations, chiffrages et choix de solutions. Collaborer avec les Data Engineers GCP et les experts Microsoft BI pour assurer la cohérence des solutions mises en œuvre. Participer à la définition de la roadmap Data et BI. - Relation métiers Apporter son expertise fonctionnelle et technique sur les domaines Supply Chain, Logistique, Retail, Finance, Contrôle de Gestion et Planning. Accompagner les métiers dans la compréhension et l'utilisation des données. Traduire les enjeux métier en solutions Data adaptées.

Dans le cadre d'un projet stratégique autour des Risques Climatiques & Physiques, nous recherchons un PGER GCP DEV N2 pour rejoindre une équipe experte et engagée. L'objectif du projet est de mettre en place une solution permettant d'ingérer, d'agréger et d'exposer des données provenant de sources multiples, afin de produire des rapports métiers dédiés à la surveillance du risque de crédit. Une expérience dans le domaine du risque de crédit est un véritable plus. Vous interviendrez notamment sur : 🔹 Le développement et l'intégration de solutions Python / Spark 🔹 La conception et l'évolution d'infrastructures de données 🔹 La collecte, le stockage et l'exploitation de flux de données 🔹 La supervision et l'intégration de données provenant de sources multiples 🔹 La vérification de la qualité et de la sécurité des données 🔹 La structuration des bases de données et des métadonnées 🔹 La cartographie et la documentation des sources de données 🔹 La maintenance des applications et infrastructures en production 🔹 L'industrialisation et l'optimisation de modèles de Machine Learning 🔹 La contribution au RUN et à l'amélioration continue des solutions data 🔹 La proposition d'évolutions sur les infrastructures et solutions existantes

CAPEST-Conseils recrute pour l'un de ses clients, acteur reconnu du secteur de la logistique, un Data Engineer Cloud pour rejoindre son Pôle Data. Le contexte Notre client construit et industrialise sa data platform sur Google Cloud Platform. Au sein de la DSI, vous concevez et faites vivre les pipelines qui l'alimentent, au service des équipes BI et des métiers opérationnels. Vos missions Concevoir les flux ETL / ELT et développer les pipelines data sur GCP Orchestrer les workflows sous Apache Airflow Transformer et modéliser les données avec dbt pour les usages BI et analytiques Mettre en place et maintenir la CI/CD data, versionner le code via Git Garantir la qualité, la performance et la fiabilité des données, superviser les pipelines et traiter les incidents Documenter les pipelines et collaborer avec l'Expert Power BI, le Pôle Data et les métiers

Au sein de la Direction IA & Data, la Direction Data a pour ambition de maximiser la valorisation du patrimoine de données de l'entreprise, de développer l'intelligence autour de la donnée et de piloter la performance des activités et des offres. Dans ce cadre, le pôle Data Intelligence recherche un(e) Data Analyst Senior / Chef(fe) de projet Data pour accompagner les directions métiers dans la mise en place d'analyses, d'indicateurs et de tableaux de bord dédiés au pilotage de la performance opérationnelle. Vous interviendrez à l'interface entre les équipes métiers, Data et SI, avec un rôle à la fois analytique, fonctionnel et orienté gestion de projet. Vos missions Cadrage et gestion des projets Data Recueillir et analyser les besoins auprès des différentes directions métiers : Production, RH, Finance, etc. Cadrer les projets d'analyse et de reporting en définissant les objectifs, périmètres, indicateurs et sources de données. Traduire les besoins métiers en spécifications fonctionnelles et besoins data. Identifier et collecter les données nécessaires dans les différents systèmes d'information. Définir et mettre en place une méthodologie de travail commune à plusieurs directions métiers. Piloter les différentes étapes des projets, de la collecte du besoin jusqu'à la mise à disposition des analyses et dashboards. Data Analyse et Business Analyse Analyser les données disponibles afin d'identifier les tendances, écarts, indicateurs de performance et leviers d'amélioration. Transformer les données en analyses, synthèses et recommandations concrètes à destination des métiers. Exploiter les données existantes pour enrichir et faire évoluer les dispositifs de pilotage. Accompagner les utilisateurs dans l'interprétation et l'utilisation des analyses produites. Datavisualisation et Power BI Concevoir et mettre en place de nouveaux dashboards Power BI répondant aux besoins métiers. Faire évoluer, ajuster et optimiser les tableaux de bord existants. Automatiser et industrialiser les reportings afin de réduire les tâches à faible valeur ajoutée. Garantir la cohérence des indicateurs, règles de gestion et restitutions. Participer à la maintenance et à l'amélioration continue des dashboards. Collaboration et coordination Data Collaborer avec les équipes SI, Data Platform et Data Gouvernance pour garantir la disponibilité, la qualité et la fiabilité des données. Coordonner les échanges avec les différentes directions du Groupe. Faciliter la communication entre les interlocuteurs métiers et les équipes techniques. Contribuer à la structuration et à la diffusion des bonnes pratiques en matière d'analyse et de pilotage de la performance.

Basée à Lille, Lyon, Nantes, Grenoble, Marseille, Paris et Bruxelles, Insitoo Freelances est une société du groupe Insitoo, spécialisée dans le placement et le sourcing des Freelances IT et Métier. Depuis 2007, Insitoo Freelances a su s'imposer comme une référence en matière de freelancing par son expertise dans l'IT et ses valeurs de transparence et de proximité. Actuellement, afin de répondre aux besoins de nos clients, nous recherchons un Data Ingénieur H/F à Lille, France. Contexte : Dans un contexte de migration technique de la plateforme data internationale, le client recherche un data ingénieur afin de renforcer l'équipe en place (3 ETP) afin de s'occuper essentiellement de la maintenance des traitements et leurs suivi sur une période de 6 à 9 mois, permettant ainsi à l'équipe de participer pleinement à la stratégie et aux travaux de modernisation de la plateforme (migration de la plateforme internationale vers la stack technique déjà en place sur les environnements France). Les missions attendues par le Data Ingénieur H/F : Assurer le maintien en condition opérationnelle des plateformes data des différent pays Supervision des traitements Intervention technique et fonctionnelle en résolution des incidents et questions des utilisateurs Communications aux parties prenantes en cas d'anomalies sur les services attendus Traitement des dettes techniques et documentaires Contribuer à la mise en œuvre de la migration vers la stack technique cible Participer à l'effort de migration une fois le contexte international maîtrisé techniquement pour être en mesure de reproduire les usages

Contexte :Équipe AI for PDP (Product Data Platform) produit des outils pour le pricing, l'optimisation de l'assortiment des produits. Une grande entreprise de distribution pilote ses prix sur des dizaines de milliers de références, par pays. L'enjeu : fournir aux équipes pricing un coefficient d'élasticité-prix par produit, exploitable pour l'ajustement quotidien, la promotion et la hausse stratégique. Missions :Data Collection et Preprocessing (dbt) : reconstruction de la vue produit hebdomadaire au niveau Business Unit à partir des transactions caisse et de l'historique de prix multi-magasins. Agrégation par prix médian (robuste aux prix extrêmes d'un magasin), filtre sur les produits, construction de baselines de demandes saisonnières, de tendances de demandes, de variations cumulées de prix (pour intégrer l'impact des changements de prix passés). Migration terraform + dbt + DataHub, source Teradata. Modélisation : le modèle ne mesure pas l'élasticité, il prédit la demande hebdomadaire (LightGBM, Tweedie loss) à partir du prix, puis l'élasticité est dérivée en simulant 10 scénarios de variation de prix (-25% à +25%). Passage à l'échelle & performance : industrialisation sur 5 Business Units (France, Espagne, Portugal, Italie, Pologne), jusqu'à ~18M lignes et ~58k produits par Business Unit. Optimisation RAM : prune colonnes SQL-side, downcast des types, batchs de CV en générateur, chaînes en catégoriel. Contrôle qualité : quality gates bloquant la publication par BU (comptage nombre de produits uniques, MAPE, WAPE, turnover-weighted WAPE), performance drift check sur un test set fait du dernier mois, typage des alertes (échec infra vs échec qualité données). Métriques calculées à la granularité de consommation (hebdo pour le tuning, mensuelle pour le gate). Orchestration ZenML : portabilité local et remote via stacks, exécution Vertex conteneurisée. Système de configurations à 3 couches (commun / env / BU), date d'exécution résolue une seule fois (backfills reproductibles). Packaging uv, CI qualité (ruff, mypy, pytest, sonarqube), step de tuning Optuna (TPE) optionnel. Documentation fonctionnelle : ouverture de la boîte noire pour le métier : d'où viennent les données, comment la demande est transformée, ce que le coefficient signifie vraiment, et où il peut induire en erreur (ne pas moyenniser à plat des scénarios à l'interprétation différente, absence de stock, cannibalisation, améliorations potentielles de la solution). Objectif : un utilisateur métier peut se servir du coefficient avec le bon niveau de confiance.

Nous recherchons un(e) Data Engineer confirmé(e) / Senior, disposant d'une solide expérience sur Google Cloud Platform (GCP), pour rejoindre une nouvelle équipe dédiée aux données clients et marketing. L'équipe intervient sur différents systèmes sources, sur une plateforme Data centralisant et valorisant les données, ainsi que sur un service dédié à la personnalisation des parcours et expériences clients. L'objectif du projet est de construire une plateforme permettant de fournir aux modèles de Machine Learning des données de personnalisation fiables, pertinentes et facilement exploitables. Dans un premier temps, vous interviendrez sur l'amélioration et la fiabilisation des données provenant de différentes sources de tracking et de données commerciales. Vous participerez ensuite au développement de la plateforme Data centrale du projet. Vos missionsConcevoir, développer et maintenir des pipelines de données robustes et scalables. Collecter, transformer et intégrer des données provenant de différentes sources. Participer à la conception et à l'évolution de la Data Platform. Contribuer au développement d'un service de contexte et personnalisation client. Préparer et enrichir les données destinées aux modèles de Machine Learning. Garantir la qualité, la fiabilité et la disponibilité des données. Participer à la conception des architectures et flux Data. Mettre en place des contrôles et bonnes pratiques de Data Quality. Collaborer avec les équipes Data, ML, Marketing et les équipes techniques. Participer aux tests, à la documentation et au déploiement des solutions. Contribuer à l'amélioration continue de l'architecture et des processus Data.

ContexteDans le cadre du renforcement des équipes R&D d'un grand compte, nous recherchons un(e) Data Engineer pour participer à la structuration, l'ingestion et la valorisation des données métiers et scientifiques. Vous rejoindrez une équipe dynamique pour concevoir des pipelines de données performants, développer des outils de recherche de bases de données pour les équipes opérationnelles et connecter l'écosystème aux outils d'analyse (SevenBridges). Début de mission : ASAP Durée : 1 an Localisation : Hybride (Télétravail + Présentiel) MissionsIngestion de données : Mettre en place et maintenir l'ingestion de données publiques et internes (scripts Python sur-mesure, Fivetran, Rclone, etc.). Search Data : Participer au développement d'un outil de recherche et d'exploration de bases de données à destination des équipes métiers. Pipelines de transformation : Concevoir et optimiser les workflows d'orchestration et de transformation de la donnée. Interconnexion d'outils : Assurer la connexion et le flux de données vers les plateformes d'analyse spécialisées (notamment SevenBridges).

Dans le cadre de l'accompagnement des projets réglementaires, finance vos missions consisteront à contribuer: Accompagner la migration des visuels développés en Java Script, HTML et CSS dans Spotfire vers une interface graphique React JS avec prise en compte de tous les éléments de sécurité (habilitations Okta, …). Extension sur l'interface graphique en React JS, sur le calcul d'indicateurs dans BigQuery Développement des outils Documentation des développements à travers les cahiers des techniques Tests unitaires de l'outil

ContexteMission consistant à développer une solution permettant aux chercheurs de transformer leurs analyses exploratoires en traitements fiables et réutilisables. MissionsDévelopper une solution logicielle pour la transformation d'analyses exploratoires en traitements fiables et réutilisables Collaborer avec des chercheurs et un Data Scientist dans un contexte de recherche Monter en compétence rapidement sur les outils spécifiques du projet Assurer la communication claire avec des profils non techniques Outils & Environnement & Compétences obligatoiresMaîtrise de GCP : GKE, IAM, GCS, BigQuery Python en production : conception modulaire (principes SOLID, architecture hexagonale ou équivalent), typage statique, tests unitaires/d'intégration Docker, Git et CI/CD avec expérience concrète de déploiement et de diagnostic (debugging pipelines) SQL, modélisation de données et définition de contrats de données (data contracts) Expérience cloud avec adaptation de modules Terraform existants (pas nécessairement de conception from scratch, mais capacité à faire évoluer un IaC existant) Réalisation agentique concrète : appels d'outils/API, gestion des erreurs, dans le cadre d'un projet réel ou d'un démonstrateur Compétences appréciées (Nice-to-have)Agents IA déjà déployés en production MCP, Claude Code GitLab CI Vertex AI / KFP et MLOps avancé Analyse statique de code Python (AST/LSP) Connaissances en imagerie médicale et histopathologie Soft skillsAutonomie et rigueur Communication claire, notamment avec des profils non techniques (chercheurs) et le Data Scientist Capacité à monter en compétence rapidement sur les outils spécifiques du projet Esprit de collaboration dans un contexte de recherche

ContexteDans le cadre d'un projet stratégique autour de la gestion des risques climatiques et physiques, notre client recherche un Data Engineer Python / Spark pour contribuer à la mise en place d'une solution permettant d'ingérer, agréger et exposer des données issues de sources multiples afin de produire des reportings métier liés à la surveillance du risque de crédit. La mission s'inscrit au sein d'une équipe experte et engagée, sur un projet à forte visibilité basé sur Google Cloud Platform (GCP). Une expérience dans le domaine du risque de crédit est appréciée. MissionsConcevoir et développer des solutions Data en Python / Spark. Participer à l'intégration de données provenant de sources multiples. Exploiter les services Data & Compute de Google Cloud Platform. Contribuer à l'ingestion, l'agrégation et l'exposition des données. Participer à la mise en œuvre et à l'évolution des pipelines Data. Collaborer avec les équipes techniques et métier du projet. Contribuer aux pratiques DevOps et à l'industrialisation des solutions. Profil recherchéExpertise technique indispensable : Python / Spark BigQuery Dataproc Cloud Composer Cloud Functions Cloud Run Jobs Google Cloud Storage (GCS) DevOpsXL Deploy (XLD) Terraform Jenkins

Vos missions : - Concevoir et mettre en œuvre les méthodologies d'analyse permettant de quantifier les gains d'efficacité (analyses comparatives avant/après) - Étayer les décisions et valider les étapes projet par des preuves chiffrées - Concevoir et déployer les tableaux de bord de suivi de l'adoption et de l'usage des nouveaux outils - Mettre en place des indicateurs d'alerte pour détecter et corriger rapidement les dérives opérationnelles - Travailler main dans la main avec les équipes métier et techniques pour restituer des analyses claires et exploitables

Dans le cadre du renforcement des équipes Data de l'un de nos clients du secteur bancaire, nous recherchons un Data Analyst disposant également de compétences en Data Science. L'objectif de la mission est de concevoir et produire des analyses et des solutions de reporting permettant de répondre aux besoins des équipes métiers, tout en contribuant au développement de nouveaux usages de la donnée. À ce titre, vous interviendrez notamment sur : Le recueil et l'analyse des besoins métiers ; La conception, le développement et l'évolution de reportings et tableaux de bord Power BI ; L'exploitation et l'analyse de données sur Google Cloud Platform (GCP) ; La manipulation et l'interrogation des données avec BigQuery ; La transformation et la structuration des données avec DBT ; L'orchestration des traitements Data via Cloud Composer ; La réalisation d'analyses avancées et de travaux de Data Science ; L'identification de nouveaux cas d'usage permettant de valoriser les données ; Le contrôle de la qualité et de la fiabilité des données utilisées ; La restitution des analyses et recommandations auprès des interlocuteurs métiers.