Offre d'emploi Analytics Engineer / Data Analyst confirmé (H/F)

Localisation : Suresnes (92)
Environnement : Data, Business Intelligence & Intelligence Artificielle
Expertises clés : SQL, BigQuery, dbt, Power BI, GCP
Secteur : environnement scientifique et réglementé

Qui sommes-nous ?

ISALYS Digital Lab accompagne ses clients grands comptes dans leurs projets de transformation digitale, en mobilisant des expertises en gestion de projet, Product Management, Data et Intelligence Artificielle.

Nous intervenons sur des projets à forts enjeux métier, en combinant expertise technique, compréhension fonctionnelle et culture du résultat pour concevoir des solutions digitales fiables, évolutives et créatrices de valeur.

Dans le cadre du développement de nos activités, nous recherchons un Analytics Engineer / Data Analyst confirmé (H/F) pour intervenir sur des projets Data & IA au cœur des enjeux de transformation digitale et d'amélioration de la performance opérationnelle.

Votre mission

Intégré(e) à une équipe Data & IA, vous interviendrez sur des projets analytiques de bout en bout, depuis le recueil des besoins métier jusqu'à la mise en production et l'adoption des solutions.

Votre rôle sera de transformer des données complexes en produits analytiques fiables, documentés et exploitables, facilitant la prise de décision et contribuant au développement de solutions de Business Intelligence et d'Intelligence Artificielle générative.

À l'interface entre les équipes métier, les experts Data et les équipes techniques, vous contribuerez à la modélisation, à la qualité et à la gouvernance des données, tout en veillant à leur bonne exploitation dans des environnements cloud.

Votre objectif : faire de la donnée un véritable produit métier, fiable, accessible et réutilisable, au service de la performance et de l'innovation.

Vos principales responsabilités

1. Concevoir et développer des solutions Data & Analytics

Recueillir, analyser et challenger les besoins métier afin de proposer des solutions analytiques adaptées aux enjeux opérationnels.

Concevoir et optimiser des requêtes SQL complexes pour extraire, transformer et structurer les données.

Développer des modèles de données robustes et évolutifs, notamment à l'aide de BigQuery et dbt.

Structurer les projets dbt en intégrant les bonnes pratiques de développement, de modularité, de réutilisation et de documentation.

Concevoir et faire évoluer des tableaux de bord et rapports Power BI intuitifs, pertinents et orientés utilisateurs.

Challenger les indicateurs de performance (KPIs) afin de garantir leur pertinence et leur adéquation avec les besoins métier.

2. Garantir la qualité et la fiabilité des données

Mettre en place des dispositifs de contrôle et de tests automatisés pour assurer la qualité des données.

Définir et maintenir les règles de validation, les tests dbt et les mécanismes de surveillance de la fraîcheur des données.

Documenter les transformations, les modèles de données et les dépendances entre les différents traitements.

Contribuer aux démarches de gouvernance des données, de traçabilité et de fiabilisation des indicateurs.

Identifier les anomalies, analyser leurs causes et coordonner leur résolution avec les équipes concernées.

3. Préparer et valoriser les données pour les usages IA

Structurer et préparer les données destinées à alimenter des solutions d'Intelligence Artificielle générative.

Contribuer à la préparation des corpus documentaires et textuels pour les usages basés sur les grands modèles de langage (LLM).

Participer à l'organisation des métadonnées, au nettoyage des données et à leur structuration pour des architectures de type RAG (Retrieval-Augmented Generation).

Comprendre les exigences des solutions IA en matière de qualité, de disponibilité, de contextualisation et de réutilisation des données.

Collaborer avec les équipes Data & IA afin de faciliter l'exploitation des données dans les solutions analytiques et les applications intelligentes.

4. Industrialiser les développements et collaborer avec les équipes techniques

Développer et maintenir les traitements analytiques dans un environnement cloud, notamment sur Google Cloud Platform.

Utiliser Git pour le versionnement du code et participer aux processus de revue de code via les Merge Requests.

Contribuer aux chaînes d'intégration et de déploiement continus (CI/CD) pour fiabiliser les mises en production.

Appliquer les bonnes pratiques de développement, de documentation et de maintenance des projets Data.

Travailler en étroite collaboration avec les équipes Data Engineering, Data Factory, métiers et infrastructure pour garantir la robustesse des solutions.

5. Accompagner les métiers et favoriser l'adoption

Assurer l'interface entre les utilisateurs métier et les équipes techniques.

Traduire les besoins fonctionnels en spécifications analytiques et en modèles de données exploitables.

Vulgariser les sujets techniques auprès d'interlocuteurs non spécialistes.

Accompagner les utilisateurs dans la compréhension et l'appropriation des solutions développées.

Prioriser les développements selon leur valeur métier et proposer des solutions pragmatiques, du MVP à l'industrialisation.