Nous recherchons un Data Engineer pour rejoindre une équipe dédiée à la construction et à l'évolution d'une plateforme Data alimentant des produits et services à forte volumétrie. Au sein d'une équipe pluridisciplinaire composée de Data Engineers, développeurs, DevOps, Scrum Masters et Product Owners, vous évoluerez dans un environnement Agile / Scrum. Vos missionsConcevoir, développer et maintenir des pipelines de traitement de données avec Apache Spark. Modéliser et faire évoluer des tables Apache Iceberg sur Amazon S3, en garantissant performance, évolutivité et gouvernance. Fiabiliser et industrialiser les flux de données afin de garantir leur fraîcheur, cohérence et disponibilité. Mettre en place des contrôles de qualité des données : complétude, unicité, fraîcheur, cohérence et traçabilité. Développer des traitements robustes et résilients : rejouabilité, gestion des erreurs, retries, backfill et gestion des données en retard. Mettre en place le monitoring et l'observabilité des pipelines : métriques, logs, dashboards et alertes. Participer aux phases de tests : tests unitaires, intégration, qualité des données, performance et montée en charge. Documenter les pipelines, modèles de données, procédures d'exploitation et choix techniques. Participer aux pratiques de CI/CD et aux revues de code. Environnement techniqueApache Spark – Apache Iceberg – AWS – Amazon S3 – Python et/ou Scala – SQL – Git – CI/CD – Monitoring & Alerting Profil recherchéFormation supérieure en informatique, Data ou ingénierie. Première expérience en Data Engineering. Bonne maîtrise de Spark et SQL. Expérience en Python ou Scala appréciée. Bonne connaissance des architectures Data sur AWS, notamment S3. Connaissance d'Iceberg ou de technologies de tables/stockage analytiques similaires. Sensibilité aux enjeux de qualité des données, résilience et observabilité. Autonomie, curiosité, esprit d'équipe et intérêt pour les environnements techniques modernes.
Développeur Back confirmé/senior pour une mission chez un acteur majeur du secteur jeux/paris en ligne (patrimoine desktop & mobile à fort trafic). 🔧 Stack : Java 21+, Spring Boot/Cloud, Kafka, Redis, AWS, API REST, Spark/Scala (un plus) 📍Localisation: Clichy + 2 TT ⏰ Démarrage : Asap ✅ Poste CDI & Collaboration freelance possible Les missions Concevoir des solutions techniques en réponse aux besoins métiers Développer du code robuste, performant et maintenable Participer à la définition et à l'évolution de l'architecture et la reduction de la dette technique Travailler sur les sujets de performance et de sécurité Participer au maintien en condition opérationnelle et à la résolution des incidents de production Collaborer avec les architectes et contribuer aux roadmaps produit 💡 Ce qui rend le poste intéressant Vous intervenez sur des sujets où le backend, la data, l'architecture et les problématiques de performance à fort trafic se rencontrent. Cote JAVA cela demande une solide experience sur les architectures microservices ou hexagonales
Nous recherchons un Analytics Engineer pour intervenir au sein d'une équipe Data dédiée aux usages digitaux en magasin d'un grand acteur international du retail. L'équipe a pour objectif d'exploiter la donnée afin d'améliorer l'efficacité des équipes opérationnelles en magasin et de leur permettre de prendre de meilleures décisions. Vous interviendrez sur l'ensemble de la chaîne de transformation et de modélisation de la donnée, avec un rôle fortement orienté Analytics Engineering. Vos principales responsabilités : • Automatiser et industrialiser les pipelines de transformation de données alimentant les dashboards, analyses Data et modèles IA ; • Construire et modéliser la semantic layer sur des domaines métier notamment liés à la Supply Chain et à la Production ; • Maintenir, optimiser et repenser les datasets et pipelines existants afin de répondre à de nouveaux cas d'usage ; • Construire des datasets robustes, fiables et facilement exploitables ; • Garantir la qualité des données exposées ; • Participer aux choix techniques et à l'évolution de la stack Data ; • Intégrer les enjeux de data lineage, de gouvernance et de documentation ; • Contribuer aux communautés Analytics Engineering et Data Engineering. Environnement technique : AWS, Databricks, Glue, S3, dbt, Airflow, SQL, Python, Scala, PySpark, Great Expectations, Git, GitHub, CI/CD, Make.
