Mission freelance Leader Capability Data

Objectif principal de la mission / enjeu :
Garantir que les données d’ingénierie soient structurées, gouvernées et utilisées comme un actif stratégique afin de permettre un fil numérique évolutif et de soutenir la transformation Manufacturing Engineering.

Missions attendues détaillées :
• Traduire la stratégie de données dans le contexte Manufacturing Engineering et prioriser les domaines de données clés : projet, système qualité, process et données industrielles, données métier d’ingénierie.
• Structurer et standardiser les données d’ingénierie : modèles de données, relations, conventions de nommage, classification et cycle de vie créer / utiliser / mettre à jour / archiver.
• Définir le fil numérique et les flux de données sur le cycle de vie de l’ingénierie, en garantissant la traçabilité de bout en bout et la réduction des silos.
• Définir des règles simples de gouvernance et d’usage : lieux de stockage, structuration, responsabilité par domaine, attentes de qualité des données.
• Faire évoluer les données vers une logique de produit : produits de données, actifs réutilisables, données découvrables, réutilisables et porteuses de valeur.
• Contribuer aux décisions d’architecture données et outils : data lake, plateformes, intégrations, cohérence outils / modèles / usages.
• Piloter l’alignement transverse afin de construire des fondations solides pour le fil numérique, jumeau numérique, IA et Analytics.

Compétences techniques / outils à maîtriser :
• Data management, data gouvernance, data modeling et data lifecycle management.
• Architecture des données : data lake, plateformes de données, intégrations, interopérabilité outils.
• Digital thread, digital twin, IA / Analytics appliqués à l’ingénierie.
• Compréhension des outils et applications d’ingénierie et des modèles de données associés.
• Capacité à formaliser des standards, conventions de nommage, classifications et règles d’usage simples

Compétences fonctionnelles requises :
• Bonne compréhension du Manufacturing Engineering, des processus d’ingénierie et de la transformation Manufacturing Engineering.
• Capacité à décliner la stratégie de données DOMF dans le contexte Manufacturing Engineering.
• Maîtrise des enjeux données projet, qualité, process / industriel et données métier d’ingénierie.
• Capacité à relier la structuration des données à la décision, à la performance et à la création de valeur

Compétences comportementales :
• Leadership transverse et capacité d’alignement entre métiers, IT / Digital et initiatives I4.0.
• Autonomie élevée, capacité à structurer une démarche, prioriser et définir des jalons.
• Pédagogie et pragmatisme pour favoriser l’adoption de règles simples par les ingénieurs.
• Esprit de synthèse, orientation valeur, capacité à influencer sans lien hiérarchique

Présence souhaitée : hybride, à confirmer selon organisation de la mission.

Langue et niveau :Français courant ; anglais professionnel recommandé pour échanges avec équipes globales.

Objectif principal de la mission / enjeu :
Garantir que les données d’ingénierie soient structurées, gouvernées et utilisées comme un actif stratégique afin de permettre un fil numérique évolutif et de soutenir la transformation Manufacturing Engineering.

Missions attendues détaillées :
• Traduire la stratégie de données dans le contexte Manufacturing Engineering et prioriser les domaines de données clés : projet, système qualité, process et données industrielles, données métier d’ingénierie.
• Structurer et standardiser les données d’ingénierie : modèles de données, relations, conventions de nommage, classification et cycle de vie créer / utiliser / mettre à jour / archiver.
• Définir le fil numérique et les flux de données sur le cycle de vie de l’ingénierie, en garantissant la traçabilité de bout en bout et la réduction des silos.
• Définir des règles simples de gouvernance et d’usage : lieux de stockage, structuration, responsabilité par domaine, attentes de qualité des données.
• Faire évoluer les données vers une logique de produit : produits de données, actifs réutilisables, données découvrables, réutilisables et porteuses de valeur.
• Contribuer aux décisions d’architecture données et outils : data lake, plateformes, intégrations, cohérence outils / modèles / usages.
• Piloter l’alignement transverse afin de construire des fondations solides pour le fil numérique, jumeau numérique, IA et Analytics.

Compétences techniques / outils à maîtriser :
• Data management, data gouvernance, data modeling et data lifecycle management.
• Architecture des données : data lake, plateformes de données, intégrations, interopérabilité outils.
• Digital thread, digital twin, IA / Analytics appliqués à l’ingénierie.
• Compréhension des outils et applications d’ingénierie et des modèles de données associés.
• Capacité à formaliser des standards, conventions de nommage, classifications et règles d’usage simples

Compétences fonctionnelles requises :
• Bonne compréhension du Manufacturing Engineering, des processus d’ingénierie et de la transformation Manufacturing Engineering.
• Capacité à décliner la stratégie de données DOMF dans le contexte Manufacturing Engineering.
• Maîtrise des enjeux données projet, qualité, process / industriel et données métier d’ingénierie.
• Capacité à relier la structuration des données à la décision, à la performance et à la création de valeur

Compétences comportementales :
• Leadership transverse et capacité d’alignement entre métiers, IT / Digital et initiatives I4.0.
• Autonomie élevée, capacité à structurer une démarche, prioriser et définir des jalons.
• Pédagogie et pragmatisme pour favoriser l’adoption de règles simples par les ingénieurs.
• Esprit de synthèse, orientation valeur, capacité à influencer sans lien hiérarchique

Présence souhaitée : hybride, à confirmer selon organisation de la mission.

Langue et niveau :Français courant ; anglais professionnel recommandé pour échanges avec équipes globales.