Offre d'emploi Data Engineer Databricks/Azure/PySpark/Terraform

Dans le cadre du développement de notre Data Factory, vous intégrerez une équipe en charge de concevoir, déployer et faire évoluer des plateformes Data innovantes, agiles et orientées métier.

L’objectif est de développer des produits Data répondant aux besoins concrets des métiers, tout en garantissant leur performance, leur sécurité, leur qualité et leur évolutivité.

Développement de produits Data

• Transformer la donnée brute en données exploitables, notamment sous forme de tables requêtables dans le Data Lake.

• Consolider et orchestrer les données au fil de leur ingestion.

• Exploiter les données pour répondre aux enjeux métiers : création de Business Views, réintégration dans le SI, services de scoring, etc.

Conception et industrialisation

• Participer à la conception et à l’évolution du socle technique Data.

• Développer, automatiser et fiabiliser les pipelines de données.

• Mettre en place et garantir un processus qualité rigoureux : documentation, tests unitaires et d’intégration, commentaires, versioning.

• Contribuer à l’amélioration continue des pratiques et des outils de développement Data.

• Diplômé(e) d’un Master ou d’une école d’ingénieurs en informatique, sciences ou domaine similaire, avec une spécialisation en Data.

• 5 ans d’expérience minimum en tant que Data Engineer, idéalement dans un environnement Azure / Databricks.

• Maîtrise avancée de PySpark / Spark.

• Expertise de l’environnement Microsoft Azure : Data Factory, Databricks, Data Lake Storage, Azure DevOps, Git et CI/CD.

• Solide expérience en traitement de données batch et streaming.

• Bonne maîtrise de SQL et connaissance des bases NoSQL (Cosmos DB, MongoDB…).

• Bonne connaissance des méthodologies Agile (Scrum, Kanban).

• Capacité à travailler en collaboration avec des PO, BA, testeurs, architectes et équipes métiers.

• Rigueur et autonomie

• Esprit d’innovation

• Bonnes capacités de communication

• Esprit d’équipe

• Capacité d’adaptation

• Sensibilité aux enjeux de qualité et d’industrialisation des données

Dans le cadre du développement de notre Data Factory, vous intégrerez une équipe en charge de concevoir, déployer et faire évoluer des plateformes Data innovantes, agiles et orientées métier.

L’objectif est de développer des produits Data répondant aux besoins concrets des métiers, tout en garantissant leur performance, leur sécurité, leur qualité et leur évolutivité.

Développement de produits Data

• Transformer la donnée brute en données exploitables, notamment sous forme de tables requêtables dans le Data Lake.

• Consolider et orchestrer les données au fil de leur ingestion.

• Exploiter les données pour répondre aux enjeux métiers : création de Business Views, réintégration dans le SI, services de scoring, etc.

Conception et industrialisation

• Participer à la conception et à l’évolution du socle technique Data.

• Développer, automatiser et fiabiliser les pipelines de données.

• Mettre en place et garantir un processus qualité rigoureux : documentation, tests unitaires et d’intégration, commentaires, versioning.

• Contribuer à l’amélioration continue des pratiques et des outils de développement Data.

• Diplômé(e) d’un Master ou d’une école d’ingénieurs en informatique, sciences ou domaine similaire, avec une spécialisation en Data.

• 5 ans d’expérience minimum en tant que Data Engineer, idéalement dans un environnement Azure / Databricks.

• Maîtrise avancée de PySpark / Spark.

• Expertise de l’environnement Microsoft Azure : Data Factory, Databricks, Data Lake Storage, Azure DevOps, Git et CI/CD.

• Solide expérience en traitement de données batch et streaming.

• Bonne maîtrise de SQL et connaissance des bases NoSQL (Cosmos DB, MongoDB…).

• Bonne connaissance des méthodologies Agile (Scrum, Kanban).

• Capacité à travailler en collaboration avec des PO, BA, testeurs, architectes et équipes métiers.

• Rigueur et autonomie

• Esprit d’innovation

• Bonnes capacités de communication

• Esprit d’équipe

• Capacité d’adaptation

• Sensibilité aux enjeux de qualité et d’industrialisation des données