Trouvez votre prochaine offre d’emploi ou de mission freelance Data cleaning

📌 Contexte Dans le cadre d’un programme structurant de transformation digitale , nous recherchons un Data Analyst Manager pour piloter la qualité des données tout au long des phases de conception, migration et mise en production des systèmes cibles. 🎯 Missions principales 1. Définition et structuration de la qualité des données Identifier et anticiper les critères de qualité au niveau des sources Définir les standards et règles de qualité par objet de données Rédiger les spécifications des scripts de contrôle qualité Garantir la cohérence des critères avec les domaines de données 2. Data profiling, remédiation et contrôle qualité Mettre en œuvre les actions de data remédiation avant, pendant et après migration Déployer et exploiter des outils de data profiling Réaliser les tests de qualité sur les données corrigées Suivre et maintenir les KPIs de qualité des données 3. Coordination et collaboration transverse Travailler avec les équipes métiers pour la définition des règles de qualité Collaborer avec les équipes techniques pour l’implémentation Assurer la passation et le suivi auprès des data managers Contribuer au mapping des objets et attributs source → cible

🚨 MISSION CONSULTANT MASTER DATA SAP – ECC → S/4HANA 🚨 Dans le cadre d’un projet de migration SAP ECC vers S/4HANA, nous recherchons un Consultant Master Data SAP (Manufacturing & Reporting). 📆 Démarrage : ASAP ⏳ Durée : 6 mois 🏢 Rythme : 3 jours sur site / 2 jours télétravail Nationalité FR 🎯 Mission Migration des Master Data SAP ECC → S/4HANA Data cleansing, préparation et bascule des données Mises à jour massives (LSMW, Mass Update) Gestion des Master Data Manufacturing (articles, BOM, gammes, PP/PPDS, BP, qualité) Production de reporting à destination des métiers 🛠 Compétences clés (impératif) SAP ECC / S/4HANA – Master Data Manufacturing LSMW, Mass Update, Data Cleansing Reporting : Power BI, SQ01/SQ02, CDS Views, Analysis for Office Interaction forte avec les métiers / SMEs 👤 Profil Consultant Master Data SAP expérimenté Expérience migration SAP significative Anglais professionnel

Gouvernance des données Définir les standards de gestion et gouvernance des données. Assurer la mise en conformité avec les réglementations (RGPD, CCPA). Qualité et sécurité Mettre en place des contrôles automatisés et surveiller la qualité des données. Sécuriser les accès et protéger les données sensibles. Exploitation et partage Standardiser les processus d’accès aux données. Accompagner les équipes métiers dans leur exploitation des données. Éthique et conformité Vérifier la conformité des analyses et modèles. Sensibiliser les équipes à l’éthique des données. Compétences Gouvernance : Standards, gestion des métadonnées. Sécurité : Chiffrement, contrôle des accès. Architecture : Structuration des modèles de données en couche Business, Solution et Exposition, Collaboration : Formation, animation de workshops Expérience utilisateur : Storytelling, recueils feedback Indicateurs de performance Taux de conformité aux standards. Qualité des données et réduction des erreurs. Performance des processus de gouvernance. Sécurisation et protection des données.

Cette mission est en Mi-Temps Nous recherchons deux data analyst pour une migration de modèles DBT afin de changer une partie du sourcing de la partie principale des Datamarts. Environnement & Contexte : Principalement pour les tables Client & Transactions, mais aussi d’autres modèles (Campaign, Clienteling), nous souhaitons ne plus nous sourcer sur un Datalake central, mais sur des données préparées dans un Datamart par une autre équipe, ce qui permettra de simplifier les scripts et supprimer les transformations. Il est crucial d’assurer la consistance des Data à tous les niveaux. Une analyse de gap sur les outputs principaux (Transaction, Client) a déjà été effectuée, avec un presque alignement au niveaux du nombre de record par Primary Key, mais au cours de la migration, il y aura forcément des différences relevées sur les dimensions/mesures, que vous allez devoir analyser, investiguer et remonter. Le Data Engineer aura pour mission principales : Revoir une bonne partie des modèles DBT dans notre Datamart Client qui contient environ 45 modèles finaux (et 60 modèles intermédiaires), pour modifier le sourcing (au lieu de sources brutes, se reposer sur un Datamart qui contient déjà certains indicateurs que nous préparions de notre côté) Simplifier et supprimer les transformations du script Client pour en simplifier la maintenance, et les investigations. Test de non regression sur le modele final, pour garantir que les outputs sont ISO (ou très proches, avec investigations des écarts et remontée/échanges avec l’équipe en charge du Datamart) Validation dans les outils finaux (explores/dashboards Looker) de la consistance des chiffres. Mise à jour de la documentation des modèles (SQL, Yaml, Confluence, Data Model)

Engineering Manager / Head of Engineering / Lead Technique expérimenté , capable d’apporter structure, cohérence et excellence technique dans un contexte digital multi-équipes (squads internes et prestataires). Le profil doit allier expertise technique solide , leadership naturel et vision d’ingénierie moderne orientée qualité et productivité. Expérience et parcours 8 à 12 ans d’expérience dans le développement ou l’architecture logicielle, dont au moins 3 ans en management technique ou en direction d’équipes de delivery . Expérience confirmée dans un environnement web / digital à fort trafic ou produit SaaS. Habitude de travailler dans un modèle d’équipes agiles multi-squads (internes + externes). Solide expérience dans la mise en place de standards techniques , d’ outils CI/CD , et dans la structuration d’organisations d’ingénierie . Compétences techniques clés Langages & frameworks : TypeScript, Node.js, React (niveau expert) ; Python apprécié. Architecture logicielle : Clean / Hexagonale / modulaire ; maîtrise des Design Patterns. CI/CD & DevOps : GitHub Actions, AWS CodePipeline, infrastructure AWS (EC2, Lambda, S3, CloudFront…). Outils : GitHub, Jira, Confluence, Google Workspace. Connaissance approfondie de l’ intégration continue , du testing (unitaires, intégration, E2E), et des bonnes pratiques d’ingénierie logicielle .