Informations mission Entité : Digital Factory Référentiel Site : Massy Présence sur site : 3 jours par semaine Télétravail : 2 jours par semaine Date de démarrage : ASAP Date de fin : 19/10/2027 Description and Location La Digital Factory Référentiel de Carrefour pilote la transformation des données de référence (produits, fournisseurs, tiers, sites) à l'échelle France et Groupe. Elle vise à unifier et fiabiliser les référentiels, moderniser les architectures Data et sortir du mainframe BCP tout en assurant la continuité des usages métiers critiques. Projet : Cockpit Data Référentiel Objectif : Définir les KPI de suivi de performance de la Direction Référentiel, produire les supports de décision pour la Direction et porter le modèle d'explicabilité de la performance. Principales missions : Définir les KPI de performance de la Direction. Réaliser des analyses End-to-End des chaînes de Run. Produire et maintenir des dashboards décisionnels performants. Exploiter et challenger les métiers à partir des indicateurs produits. Garantir la fiabilité, la précision et la disponibilité des données. Identifier les axes d'amélioration des processus métiers et techniques. Compétences clés : SQL avancé. BigQuery. Looker Studio / Looker. Construction et optimisation de dashboards. Modélisation et gestion de données. Conception de pipelines Data. Analyse de données et pilotage par KPI. Compétences appréciées : Python (Pandas, NumPy, PySpark). DevOps. Git / GitLab CI. Data Lake / Data Warehouse. PostgreSQL, MongoDB. Environnements Cloud GCP ou Azure. Méthodologies Agile Scrum.
A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇ 🏠 2 jours de télétravail / semaine - 📍 Lyon (07) - 🛠 Expérience de 5 ans minimum Envie de rejoindre une équipe où la tech et les projets stimulants sont au rendez-vous ? Cette opportunité est faite pour vous ! 🚀 Nous poursuivons notre développement et recherchons actuellement un.e DevOps / Data & Machine Learning pour intervenir chez un de nos clients. 💻💼 Contexte : L'équipe travaille sur des produits Data liés notamment à la maintenance prédictive, la mobilité électrique et l'analyse des charges sur les réseaux. Voici un aperçu détaillé de vos missions : 🎯 - Construire et maintenir les outils CI/CD pour les traitements de données en Python / PySpark et les applications web. - Assurer le run et l'exploitation des traitements et applications en production. - Mettre en place et maintenir l'observabilité des applications et traitements : logs, métriques techniques et monitoring. - Gérer les évolutions et corrections techniques : montées de version des dépendances, traitement des vulnérabilités cyber, évolutions de configuration, etc. - Maintenir et améliorer l'Infrastructure as Code. - Administrer les différents environnements : développement, préproduction, production et environnements de type lab Data Science. - Accompagner les équipes Data Science et Data Engineering sur le build et le run de leurs produits. - Assurer un support technique de première ligne et faire le lien avec les équipes externes : infrastructure, cybersécurité, fournisseurs, etc. - Rédiger et maintenir la documentation technique. - Assurer une veille technologique sur les outils utilisés. - Partager les bonnes pratiques et contribuer à la formation des équipes.
Dans le cadre d'un projet Data stratégique, nous recherchons un Tech Lead Data Engineer pour accompagner la conception, le développement et l'industrialisation de solutions Data dans un environnement technique exigeant. 🎯 Vos missions Concevoir et faire évoluer des architectures Data robustes et scalables Piloter techniquement les développements et accompagner les Data Engineers Concevoir et industrialiser des pipelines de données Intervenir sur des architectures Data temps réel / streaming avec Kafka Développer et maintenir des solutions sur Palantir Foundry Garantir la qualité, la performance et la fiabilité des traitements Data Participer aux choix d'architecture et aux bonnes pratiques de développement Assurer la revue de code et accompagner la montée en compétences de l'équipe Collaborer avec les équipes Data, Architecture, DevOps et métiers 🛠️ Environnement technique Indispensables : Kafka Palantir Foundry Solide expertise en Data Engineering Conception de pipelines Data Architecture Data / traitement distribué Python et/ou SQL Expérience en environnement de production Atouts : Kafka Streams / Confluent Spark / PySpark APIs / microservices CI/CD, Git, Docker, Kubernetes Cloud Expérience en lead technique ou en accompagnement d'équipe 👤 Profil recherché De formation supérieure en informatique ou Data, vous disposez d'au moins 7 ans d'expérience en Data Engineering, dont une expérience significative en lead technique. Vous êtes à l'aise dans des environnements complexes et avez une forte capacité à challenger les choix techniques, concevoir des solutions robustes et accompagner les équipes dans leur mise en œuvre. Une expérience concrète sur Palantir Foundry et Kafka est indispensable.
Au sein de la Data Tribe, vous participez à la conception, au développement et à l'exploitation de produits Data au service des équipes métier et des utilisateurs de la plateforme stratégique. L'équipe travaille à l'intersection de la Data Engineering, de l'Analytics et des plateformes Data, avec un fort enjeu autour de la fiabilité, de la performance et de la mise en production des solutions. La plateforme Data repose principalement sur Databricks et PySpark. Vous intervenez sur l'ensemble du cycle de vie des produits Data, de la compréhension du besoin métier jusqu'à leur exploitation en production. Vos missions En tant que Senior Data Engineer, vous serez notamment amené(e) à : Concevoir, développer et maintenir des pipelines Data robustes et industrialisés. Traduire les besoins métier en solutions Data scalables, performantes et maintenables. Travailler en étroite collaboration avec les Product Owners, équipes métier et équipes Analytics. Garantir la qualité, la fiabilité et la performance des données en production. Assurer le monitoring des pipelines et contribuer à la résolution des incidents. Identifier et mettre en œuvre des améliorations sur les modèles de données et les processus Data. Contribuer aux standards d'architecture, aux bonnes pratiques et aux décisions techniques. Participer aux revues de code et à l'amélioration continue des développements. Intervenir dans un contexte multi-BU, notamment sur le partage et la sécurisation des données avec des mécanismes de RLS / CLS. Prendre progressivement le rôle de référent Data Engineering sur un domaine métier.
A LIRE ATTENTIVEMENT AVANT DE POSTULER ⬇ 🏠 2 jours de télétravail / semaine - 📍 Lyon (07) - 🛠 Expérience de 5 ans minimum Envie de rejoindre une équipe où la tech et les projets stimulants sont au rendez-vous ? Cette opportunité est faite pour vous ! 🚀 Nous poursuivons notre développement et recherchons actuellement un.e DevOps / Data & Machine Learning pour intervenir chez un de nos clients. 💻💼 Contexte : L'équipe travaille sur des produits Data liés notamment à la maintenance prédictive, la mobilité électrique et l'analyse des charges sur les réseaux. Voici un aperçu détaillé de vos missions : 🎯 - Construire et maintenir les outils CI/CD pour les traitements de données en Python / PySpark et les applications web. - Assurer le run et l'exploitation des traitements et applications en production. - Mettre en place et maintenir l'observabilité des applications et traitements : logs, métriques techniques et monitoring. - Gérer les évolutions et corrections techniques : montées de version des dépendances, traitement des vulnérabilités cyber, évolutions de configuration, etc. - Maintenir et améliorer l'Infrastructure as Code. - Administrer les différents environnements : développement, préproduction, production et environnements de type lab Data Science. - Accompagner les équipes Data Science et Data Engineering sur le build et le run de leurs produits. - Assurer un support technique de première ligne et faire le lien avec les équipes externes : infrastructure, cybersécurité, fournisseurs, etc. - Rédiger et maintenir la documentation technique. - Assurer une veille technologique sur les outils utilisés. - Partager les bonnes pratiques et contribuer à la formation des équipes.
