Find your next tech and IT Job or contract DBT

Langues : Français courant, Anglais professionnel Contexte de la Mission Le client opère une plateforme Data Lakehouse pour ses activités de banque et d'assurance à travers 9 pays européens. L'architecture "médaillon" repose sur une stack moderne et code-centric (Snowflake, DBT, Airflow MWAA, AWS, Collibra, Elementary). Aujourd'hui, la qualité des données est assurée par des tests techniques (DBT tests, Elementary). L'enjeu de cette mission est de pallier le manque d'un framework structuré couvrant l'ensemble des dimensions de qualité, les besoins métiers et les fortes exigences d'audit. Le consultant devra notamment adresser deux recommandations d'audit : définir des KPIs centraux croisés sur l'ensemble des pays (JV) et évaluer/déployer un outil central de monitoring de la Data Quality. Objectifs & Phases du Projet La mission s'articule autour de la structuration d'un Data Quality Framework Cadrage et Définition : Récupération du framework historique, inventaire des pistes d'audit, définition des KPIs centraux cross-JV et évaluation de l'Open Data Contract Standard (ODCS). Structuration & Outils : Benchmark et recommandation d'outils DQ (Elementary, Snowflake DMF/Cortex, Dataiku, Great Expectations). Implémentation : Mise en place de data contracts sur 3 couches (Standard, Target, Business) et développement de contrôles métiers auditables. Industrialisation : Déploiement de tableaux de bord DQ cross-JV (Power BI), gestion structurée des rejets et implémentation de quality gates dans le CI/CD. Innovation & Transfert : Exploration de solutions IA pour la Data Quality (Snowflake Cortex, Dataiku), documentation complète et transfert de compétences aux équipes internes. Environnement Technique Le socle technique est orienté "code-centric". La solution DQ proposée devra s'aligner sur ce principe (Git, DBT, Airflow, CI/CD). Technologie Usage dans le cadre du projet Snowflake Data warehouse, métriques DQ, DMF (complément IA) DBT + Elementary Tests DQ, observabilité, détection d'anomalies Apache Airflow (MWAA) Orchestration, alerting, SLA AWS Ingestion multi-sources (S3, Glue, DMS, AppFlow) Collibra Gouvernance, catalogage des règles DQ Power BI Dashboards qualité (IT et métier) Git / CI-CD TeamCity, GitHub Actions, Quality gates Python Scripts, intégrations API Profil Recherché Nous recherchons un profil Senior (5 ans d'expérience minimum en Data Engineering / Data Quality) doté d'une forte vision architecturale et d'une rigueur liée aux contextes réglementaires. Compétences techniques exigées : Expertise : Data Quality (frameworks, dimensions DAMA, data contracts, scoring). Niveau Avancé : DBT (tests, macros, Elementary, dbt-expectations) et Snowflake (SQL avancé, monitoring, DMF). Niveau Confirmé : Apache Airflow (DAGs, sensors, SLA, alerting), Python, Git et CI/CD. Les petits plus (Nice-to-have) : Expérience pratique avec les Data Contracts (idéalement ODCS). Connaissance des solutions Snowflake Cortex Data Quality / DMF, ou d'outils comme Great Expectations / Soda. Connaissance de Collibra (module data quality). Expérience des exigences réglementaires bancaires (BCBS 239, DORA) et/ou environnement multi-pays.

Dans le cadre du développement et de l'évolution de sa plateforme Data, notre client recherche un Tech Lead Data Engineer capable d'intervenir aussi bien sur la conception fonctionnelle et technique que sur l'implémentation des solutions Data. Le consultant travaillera en étroite collaboration avec le Product Owner afin de comprendre les besoins métiers, les challenger et les traduire en spécifications fonctionnelles et techniques exploitables par l'équipe Data. Il jouera également un rôle de référent technique auprès des Data Engineers, dans un environnement principalement basé sur Snowflake, dbt et Google Cloud Platform (GCP).

Nous recherchons un Data Engineer confirmé pour rejoindre un programme de transformation de la plateforme Data d'un grand groupe. La mission consiste à participer à la migration des usages décisionnels vers Snowflake, à développer de nouveaux cas d'usage Data et à industrialiser les traitements et datamarts métiers. Le consultant interviendra sur l'ensemble du cycle de vie des projets, de l'analyse des besoins métiers à la conception, au développement, aux tests et à la mise en production, tout en garantissant la qualité, la performance et la maintenabilité des solutions. Il évoluera dans un environnement technique centré sur Snowflake, SQL, DBT, Kafka, API REST et des outils DevOps tels que Git, Jenkins, Maven et Sonar. Le profil recherché possède une solide expérience en Data Engineering, une bonne maîtrise des architectures Data et Cloud, ainsi qu'une capacité à travailler en autonomie, à collaborer avec des équipes métiers et techniques et à être force de proposition. La mission se déroule dans un environnement collaboratif et multi-sites, avec une organisation hybride basée à Roubaix et jusqu'à deux jours de télétravail par semaine.

La Digital Factory conçoit des services digitaux pour les activités commerciales et la valorisation des données de mon client. Elle simplifi e et automatise les processus (assortiment, promotions, prix, marketing). Ses équipes développent des solutions pour améliorer l'effi cacité, l'expérience client et générer des insights à forte valeur. Dans le but de générer automatiquement des planogrammes personnalisés pour chaque magasin, nous avons besoin de collecter, transformer/enrichir et exposer des données à un partenaire.

Intégré au sein de l'équipe, vous aurez un rôle de Tech Lead, à la fois opérationnel et moteur sur la stack GCP. Vous collaborerez étroitement avec les autres squads pour concevoir, prioriser et développer les processus d'ingestion, de transformation et d'exposition des données sur notre plateforme Google Cloud Platform (GCP). Vous maîtrisez GCP et des outils tels que Composer, dbt et BigQuery, et êtes capable de définir les bonnes pratiques, challenger les choix techniques et accompagner les autres ingénieurs dans leur mise en œuvre. Ce poste est stratégique pour renforcer les capacités de livraison du produit DATA via la mise en place d'un socle robuste (comptoir data, jobs d'ingestion et de préparation, industrialisation des pipelines). Métiers : tous métiers hors bancaire Technique : écosystème cloud (Google Cloud Platform décliné en Cloud Platform Data Group CDPG), BigQuery, Linux, Python, SQL, dbt, Composer

Dans le cadre du développement et de l'industrialisation d'une plateforme Data Cloud internationale, nous recherchons un Data Engineer expérimenté DBT / Snowflake pour accompagner la conception, la transformation et la mise à disposition des données destinées aux équipes métiers, analytiques et Data Science. La mission s'inscrit dans un environnement Agile et international nécessitant un anglais courant pour les échanges quotidiens avec les équipes techniques et métiers. Principales responsabilitésConcevoir, développer et maintenir des pipelines de transformation de données avec DBT. Modéliser les données selon les bonnes pratiques (Data Vault, Kimball, Star Schema). Développer et optimiser les traitements sur Snowflake. Participer à la conception et à l'évolution de l'architecture Data Cloud. Assurer la qualité, la cohérence et la gouvernance des données. Mettre en place les tests, la documentation et les contrôles de qualité dans DBT. Optimiser les performances des requêtes et des modèles de données. Collaborer avec les équipes Data, BI, Analytics et métiers pour comprendre les besoins fonctionnels. Participer à l'automatisation des déploiements et à l'industrialisation des workflows Data. Assurer le support et la maintenance évolutive des solutions mises en œuvre. Réalisations attenduesConstruction et industrialisation de modèles de données métier. Mise en place de pipelines ELT robustes et maintenables. Optimisation des coûts et performances Snowflake. Amélioration de la qualité et de la fiabilité des données. Documentation et standardisation des développements Data.

Mission : La Digital Factory conçoit des services digitaux pour les activités commerciales et la valorisation des données de mon client. Elle simplifi e et automatise les processus (assortiment, promotions, prix, marketing). Ses équipes développent des solutions pour améliorer l'efficacité, l'expérience client et générer des insights à forte valeur. Dans le but de gérer l'agencement des produits sur les meubles des rayons pour chaque magasin, nous avons besoin de collecter, transformer/enrichir et exposer les données à un partenaire

La mission consiste à intervenir en tant que Data Engineer Senior orienté Data Quality & Data Governance auprès d'un acteur international du secteur bancaire. Le consultant contribuera à la structuration et à l'industrialisation d'un Data Quality Framework transverse couvrant plusieurs entités internationales. L'objectif est de renforcer les dispositifs existants de qualité des données, actuellement basés sur des tests techniques, afin de mettre en place un framework structuré couvrant les dimensions de qualité, les besoins métiers et les exigences d'audit. La mission inclut la définition de KPIs centraux cross-entités, la mise en place de data contracts sur les différentes couches de l'architecture médaillon, le développement de contrôles métier auditables, l'évaluation d'outils de monitoring Data Quality, l'intégration de quality gates dans les pipelines CI/CD, ainsi que l'exploration de solutions IA appliquées à la qualité des données.

Nous recherchons pour l'un de nos clients un Data Engineer Databricks & DBT en CDI (H/F) Dans le cadre du développement de notre plateforme Data, nous recherchons un(e) Data Engineer passionné(e) par les technologies Cloud et les architectures modernes de traitement de données. Vous rejoindrez une équipe Data dynamique afin de concevoir, développer et optimiser des pipelines de données robustes, scalables et performants, en vous appuyant sur Databricks, dbt et les meilleures pratiques d'ingénierie Data. Vos missions Concevoir, développer et maintenir des pipelines de données fiables et performants. Développer des transformations de données avec dbt. Concevoir et optimiser des traitements de données sur Databricks (Spark/PySpark). Participer à la modélisation des données (Data Warehouse, Data Lakehouse). Mettre en œuvre les bonnes pratiques de qualité, de tests et de documentation. Industrialiser les traitements via des pipelines CI/CD. Collaborer avec les équipes Data Analysts, Data Scientists et métiers. Participer à l'amélioration continue de la plateforme Data.

Bonjour à tous 😀 📍 Contexte client Dans le cadre de plusieurs projets stratégiques de transformation métier, notre client renforce son équipe Data. Le consultant interviendra sur l'analyse d'impact des projets de transformation sur les indicateurs métiers, la qualité des données et l'évolution des reportings stratégiques. Il travaillera en étroite collaboration avec les équipes métier afin de garantir la cohérence des KPI et d'accompagner les évolutions des plateformes Data. 🎯 Missions Réaliser les analyses d'impact des projets de transformation sur les KPI métiers et les processus opérationnels. Produire des analyses ad hoc répondant aux nouveaux besoins métiers. Faire évoluer et fiabiliser les indicateurs de performance (Loyalty, Topline, Sales...). Concevoir, maintenir et améliorer les reportings stratégiques. Revoir les règles de calcul, les définitions des KPI et les périmètres de reporting. Garantir la cohérence des données entre plusieurs sources. Participer aux phases de tests et de validation des évolutions impactant les données. Identifier les anomalies et incohérences dans les indicateurs de reporting. Accompagner les équipes métier lors des phases de cadrage en traduisant leurs besoins en exigences analytiques. Contribuer à l'amélioration continue de la qualité des données et de la gouvernance des KPI. ✅ Must Have Data & Analytics SQL (expert) Snowflake Data Analytics Analyse d'impact métier Analyse de données Data Quality Reporting KPI Management Outils Tableau Dataiku dbt Gouvernance DataData Lineage Gouvernance des données Reporting Framework Qualité des données FonctionnelRecueil des besoins métiers Analyse fonctionnelle Gestion des parties prenantes Excellente communication LanguesFrançais courant Anglais courant ⭐ Nice to HaveJira ServiceNow Gestion de backlog Ticketing Expérience sur des programmes de transformation métier Connaissance des domaines : Loyalty Sales Topline

Nous recherchons un Data Engineer Senior pour accompagner la mise en place d'un Data Warehouse moderne sur Snowflake au sein d'un environnement cloud AWS. Contexte de la mission Vous rejoindrez une équipe Data en charge de concevoir et industrialiser une plateforme analytique moderne reposant sur Snowflake, dbt et AWS. L'objectif principal sera de participer à la construction du Data Warehouse, à la modélisation des données et à l'industrialisation des pipelines de traitement. Missions principalesConcevoir et développer le Data Warehouse sur Snowflake. Développer et maintenir les transformations de données avec dbt. Concevoir et orchestrer les pipelines de données avec Airflow. Développer des traitements en Python (Pandas, PySpark). Participer à la mise en place des bonnes pratiques de développement et d'industrialisation. Mettre en œuvre les processus CI/CD et les standards de qualité. Contribuer aux choix d'architecture et à l'amélioration continue de la plateforme. Environnement techniqueCloud : AWS Data Warehouse : Snowflake Transformation : dbt Orchestration : Apache Airflow Langages : Python (Pandas, PySpark), SQL CI/CD : GitLab Git / DevOps

Almatek recherche pour l'un de ses clients Un Data Engineer DBT sur Grenoble. Contexte Dans le cadre du renforcement de nos équipes data, nous recherchons un(e) Data Engineer expérimenté(e) sur DBT (Data Build Tool) pour intervenir sur nos projets de transformation et de modélisation de données. Compétences techniques requises • Maîtrise de DBT (Data Build Tool) : modélisation, tests, documentation et déploiement • Bonne maîtrise du langage SQL (Structured Query Language) • Expérience sur un entrepôt de données cloud (Snowflake, BigQuery, Redshift ou équivalent) • Connaissance des bonnes pratiques d'architecture data (modèle en couches : staging, intermediate, marts) • Utilisation de Git (gestion de versions) et d'un pipeline CI/CD (Continuous Integration / Continuous Deployment) Compétences appréciées • Connaissance d'un orchestrateur de données (Airflow, Dagster ou équivalent) • Sensibilité à la gouvernance et à la qualité des données Profil recherché • Minimum 2 ans d'expérience confirmée sur DBT (Data Build Tool) • Autonomie, rigueur et capacité à s'intégrer rapidement dans une équipe existante • Bon niveau de communication en français - Démarrage : juillet 2026 - Rythme : 3 jours par semaine - Lieu : Grenoble

Dans le cadre de l'optimisation et de l'unification de ses capacités analytiques transversales, notre client recherche un consultant Data Analytics Engineer autonome pour une mission d'intégration, de modélisation et de restitution des données Corporate stratégiques du groupe. Cette initiative vise à fournir une vision consolidée et exploitable des indicateurs clés provenant de diverses sources internes, essentielles à la prise de décision stratégique et opérationnelle. Objectifs de la mission Établir et sécuriser des connexions techniques robustes et évolutives avec les systèmes sources Corporate identifiés (ERP, Plateformes Financières, RH, ITSM etc.). Extraire et charger les données des domaines fonctionnels Corporate clés : finance, ressources humaines, référentiels, achats, etc. Concevoir et implémenter des pipelines d'ingestion automatisés fiables et performants, garantissant l'intégrité et la fraîcheur des données. Structurer et modéliser les données dans un entrepôt de données (Data Warehouse Snowflake) de manière logique, modulaire, réutilisable et optimisée pour l'analyse et la restitution. Mettre en place des mécanismes de gouvernance des données : gestion des métadonnées, logiques de rafraîchissement, suivi de la qualité des données et gestion des erreurs. Développer des vues et agrégats de données spécifiques aux besoins de restitution et d'analyse des différents départements Corporate. Documenter de manière exhaustive les pipelines d'ingestion, les modèles de données (logique et physique), les règles de transformation et les points de reprise pour assurer la maintenabilité et la transférabilité.

Contexte Dans le cadre du renforcement d'une plateforme data moderne, l'entreprise recherche un Data Engineer capable de concevoir, développer, déployer et maintenir des pipelines de données robustes dans un environnement cloud. Le poste s'inscrit dans une logique d'industrialisation de la donnée, de fiabilisation des traitements et d'amélioration continue des pratiques DevOps et DataOps. Missions principales Concevoir, développer et maintenir des pipelines de données scalables et performants en environnement cloud. Développer les traitements de transformation et d'automatisation avec SQL et Python. Modéliser les données dans Snowflake et mettre en œuvre les transformations avec dbt. Orchestrer et superviser les workflows de données avec Airflow. Mettre en place des pratiques CI/CD et de versioning avec GitLab afin d'industrialiser les déploiements data. Gérer et automatiser l'infrastructure via Terraform dans une approche Infrastructure as Code. Exploiter les services AWS, notamment S3 pour le stockage et ECS / EC2 pour l'exécution et le déploiement des composants techniques. Collaborer avec les équipes métiers, produit, data et DevOps pour traduire les besoins en solutions data fiables et maintenables. Documenter les pipelines, modèles et traitements afin d'assurer la maintenabilité et la qualité des livrables. Environnement technique Domaine Technologies Langages SQL, Python Data Warehouse Snowflake Transformation dbt Orchestration Airflow Cloud AWS Services AWS S3, ECS, EC2 IaC Terraform DevOps / Versioning GitLab, CI/CD

Nous recherchons un Data Engineer confirmé ou senior pour intervenir sur une plateforme data moderne reposant sur Snowflake et dbt, avec une forte exigence en modélisation Data Vault. Contexte de la mission : Vous rejoindrez une équipe Data en charge de structurer et faire évoluer une architecture analytique robuste et scalable. La mission s'inscrit dans une logique d'industrialisation, de qualité et de standardisation des flux. Missions principales Concevoir et implémenter des modèles Data Vault (obligatoire). Développer et optimiser les transformations via dbt. Modéliser et structurer les données dans Snowflake. Participer à la définition des standards d'architecture et des bonnes pratiques. Assurer la qualité, la performance et la traçabilité des données. Collaborer avec les équipes BI (notamment Power BI) et métiers.

Description détaillée Appel d'Offre – Consultant Data Analytics Engineer – Intégration/Modélisation/Restitution de données - Domaine Corporate Contexte de la mission Dans le cadre de l'optimisation et de l'unification de ses capacités analytiques transversales, le client recherche un consultant Data Analytics Engineer autonome pour une mission d'intégration, de modélisation et de restitution des données Corporate stratégiques du groupe. Cette initiative vise à fournir une vision consolidée et exploitable des indicateurs clés provenant de diverses sources internes, essentielles à la prise de décision stratégique et opérationnelle. Objectifs de la mission Établir et sécuriser des connexions techniques robustes et évolutives avec les systèmes sources Corporate identifiés (ERP, Plateformes Financières, RH, ITSM etc.). Extraire et charger les données des domaines fonctionnels Corporate clés : finance, ressources humaines, référentiels, achats, etc. Concevoir et implémenter des pipelines d'ingestion automatisés fiables et performants, garantissant l'intégrité et la fraîcheur des données. Structurer et modéliser les données dans un entrepôt de données (Data Warehouse Snowflake) de manière logique, modulaire, réutilisable et optimisée pour l'analyse et la restitution. Mettre en place des mécanismes de gouvernance des données : gestion des métadonnées, logiques de rafraîchissement, suivi de la qualité des données et gestion des erreurs. Développer des vues et agrégats de données spécifiques aux besoins de restitution et d'analyse des différents départements Corporate. Documenter de manière exhaustive les pipelines d'ingestion, les modèles de données (logique et physique), les règles de transformation et les points de reprise pour assurer la maintenabilité et la transférabilité. Environnement technique (exemples, à confirmer selon l'architecture existante ou cible)** Sources : Multiples systèmes Corporate (Systèmes Financiers, Plateformes Achats, Outils ITSM. - via APIs, exports ou connecteurs natifs). Destination : Snowflake(Data Warehouse Cloud). Orchestration : Airflow. Transformation : DBT Core / SQL, Python (Pandas/PySpark) ou équivalent. Modélisation : DrawIO, Lucidchart ou autre support outil libre. Visualisation / Restitution : Tableau. CI/CD / versioning : GitLab, GitHub. Documentation : Confluence, Jira, SharePoint.