Trouvez votre prochaine offre d’emploi ou de mission freelance Github

Astrelya est un cabinet de conseil franco/suisse, en très forte croissance depuis sa création en 2017, spécialisé dans la transformation digitale, l'excellence opérationnelle et l'innovation technologique. Il est composé de 300 expert passionnés. Le cabinet accompagne ses clients sur l'ensemble du cycle de transformation, depuis la phase de cadrage jusqu'à la mise en œuvre opérationnelle, avec une expertise forte en Data/IA, Cloud, DevOps et méthodes agiles. Astrelya se distingue par un modèle fondé sur la proximité, la confiance et une culture humaine forte, qui place les collaborateurs au cœur de la création de valeur. Dans le cadre de notre développement, nous recherchons un Lead Développeur JAVA Graph QL/AWS dans le cadre d'un programme stratégique de transformation à l'échelle internationale pour un client dans le domaine du service. Vos missions En tant que Lead Développeur Java, vous jouerez un rôle à la fois technique et de référent auprès de l'équipe. À ce titre, vous serez amené à Concevoir et développer des applications Java robustes, basées sur une architecture microservices et déployées sur AWS. Être le référent technique sur GraphQL en définissant la stratégie d'implémentation, les standards et les bonnes pratiques. Participer activement aux développements (codage, revues de code, tests, optimisation des performances). Garantir la qualité, la maintenabilité et la sécurité des développements. Accompagner et faire monter en compétences les développeurs de l'équipe grâce à un rôle de mentor technique. Collaborer étroitement avec les équipes Produit, Architecture, Data et les équipes internationales afin d'assurer la cohérence des solutions. Contribuer à l'amélioration continue des pratiques de développement et des processus de livraison. Stack Technique : Langages & Frameworks JavaSpring Boot GraphQL Cloud & Infrastructure AWS (Lambda, EC2, S3, RDS) Terraform GitOps Architecture & Middleware Microservices API Management Kafka Redis PostgreSQL CI/CD & DevSecOps GitHub Enterprise ArgoCD JFrog SonarQube Outils de collaboration Jira Confluence

Langues : Français courant, Anglais professionnel Contexte de la Mission Le client opère une plateforme Data Lakehouse pour ses activités de banque et d'assurance à travers 9 pays européens. L'architecture "médaillon" repose sur une stack moderne et code-centric (Snowflake, DBT, Airflow MWAA, AWS, Collibra, Elementary). Aujourd'hui, la qualité des données est assurée par des tests techniques (DBT tests, Elementary). L'enjeu de cette mission est de pallier le manque d'un framework structuré couvrant l'ensemble des dimensions de qualité, les besoins métiers et les fortes exigences d'audit. Le consultant devra notamment adresser deux recommandations d'audit : définir des KPIs centraux croisés sur l'ensemble des pays (JV) et évaluer/déployer un outil central de monitoring de la Data Quality. Objectifs & Phases du Projet La mission s'articule autour de la structuration d'un Data Quality Framework Cadrage et Définition : Récupération du framework historique, inventaire des pistes d'audit, définition des KPIs centraux cross-JV et évaluation de l'Open Data Contract Standard (ODCS). Structuration & Outils : Benchmark et recommandation d'outils DQ (Elementary, Snowflake DMF/Cortex, Dataiku, Great Expectations). Implémentation : Mise en place de data contracts sur 3 couches (Standard, Target, Business) et développement de contrôles métiers auditables. Industrialisation : Déploiement de tableaux de bord DQ cross-JV (Power BI), gestion structurée des rejets et implémentation de quality gates dans le CI/CD. Innovation & Transfert : Exploration de solutions IA pour la Data Quality (Snowflake Cortex, Dataiku), documentation complète et transfert de compétences aux équipes internes. Environnement Technique Le socle technique est orienté "code-centric". La solution DQ proposée devra s'aligner sur ce principe (Git, DBT, Airflow, CI/CD). Technologie Usage dans le cadre du projet Snowflake Data warehouse, métriques DQ, DMF (complément IA) DBT + Elementary Tests DQ, observabilité, détection d'anomalies Apache Airflow (MWAA) Orchestration, alerting, SLA AWS Ingestion multi-sources (S3, Glue, DMS, AppFlow) Collibra Gouvernance, catalogage des règles DQ Power BI Dashboards qualité (IT et métier) Git / CI-CD TeamCity, GitHub Actions, Quality gates Python Scripts, intégrations API Profil Recherché Nous recherchons un profil Senior (5 ans d'expérience minimum en Data Engineering / Data Quality) doté d'une forte vision architecturale et d'une rigueur liée aux contextes réglementaires. Compétences techniques exigées : Expertise : Data Quality (frameworks, dimensions DAMA, data contracts, scoring). Niveau Avancé : DBT (tests, macros, Elementary, dbt-expectations) et Snowflake (SQL avancé, monitoring, DMF). Niveau Confirmé : Apache Airflow (DAGs, sensors, SLA, alerting), Python, Git et CI/CD. Les petits plus (Nice-to-have) : Expérience pratique avec les Data Contracts (idéalement ODCS). Connaissance des solutions Snowflake Cortex Data Quality / DMF, ou d'outils comme Great Expectations / Soda. Connaissance de Collibra (module data quality). Expérience des exigences réglementaires bancaires (BCBS 239, DORA) et/ou environnement multi-pays.

Data Engineer – Gestion d'ActifsNotre client, un acteur mondial majeur de la gestion d'actifs, recherche un Data Engineer expérimenté pour rejoindre son département Investment Accounting & Administration au sein de l'activité Investment Management. Il s'agit d'une opportunité stratégique de contribuer au développement et à l'évolution d'une plateforme de données cloud au cœur des opérations d'investissement, de l'analytique et du reporting. Le candidat retenu participera à la conception, au développement et à l'optimisation d'un hub de données d'entreprise complexe, permettant aux équipes d'investissement d'exploiter pleinement les données Bloomberg ainsi que d'autres sources de données financières. En collaboration avec des équipes internationales, vous développerez des solutions de données évolutives qui soutiennent la prise de décision et la création de valeur à partir des données. Principales ResponsabilitésConcevoir, développer et maintenir des pipelines de données et des produits data cloud robustes au service d'opérations d'investissement critiques et d'applications analytiques à grande échelle. Renforcer et étendre les capacités de la plateforme de données de l'entreprise à l'aide de technologies modernes de Data Engineering. Collaborer étroitement avec les équipes d'investissement et les parties prenantes métiers afin de comprendre leurs besoins et fournir des solutions adaptées. Développer des solutions performantes basées sur Databricks, Spark, Delta Lake et les technologies cloud natives. Promouvoir les meilleures pratiques en matière de développement et de gouvernance des données : qualité de code, CI/CD, tests automatisés et fiabilité des plateformes. Contribuer à l'adoption de technologies innovantes, notamment l'Intelligence Artificielle, les Large Language Models (LLM) et les outils d'analyse avancée. Assurer une veille technologique continue afin d'accompagner l'évolution de la plateforme et des capacités de l'équipe. Compétences et Expérience RequisesMinimum 5 ans d'expérience en Data Engineering, dont au moins 5 ans sur Databricks dans la conception et le développement de pipelines de données. Solide expérience du cloud, idéalement Microsoft Azure ; une expérience sur AWS ou GCP sera également considérée. Maîtrise de Python, PySpark, SparkSQL et/ou Scala. Expérience dans la mise en place et l'orchestration de pipelines Big Data avec des outils tels qu'Azure Data Factory, Airflow, dbt ou équivalents. Expertise de Spark, particulièrement Databricks Spark et Delta Lake. Expérience dans l'implémentation de solutions Big Data dans un environnement cloud, incluant les Data Lakes et architectures Lakehouse. Excellentes compétences SQL avec la capacité de développer et d'optimiser des requêtes complexes sur de très grands volumes de données. Maîtrise de GitHub, du contrôle de version et des processus de déploiement CI/CD. Expérience des technologies d'IA, des LLM, de Databricks Genie ou d'outils similaires. Compétences SouhaitéesExpérience en architecture de bases de données et en modélisation de données (modèles conceptuels, logiques et physiques). Expérience préalable dans la gestion d'actifs, l'asset management, l'investissement ou un environnement de services financiers. Qualités PersonnellesExcellentes capacités d'analyse et de résolution de problèmes. Forte capacité d'apprentissage et adaptation rapide aux nouvelles technologies. Aisance relationnelle et aptitude à collaborer avec des équipes et parties prenantes internationales. Cette opportunité offre la possibilité de rejoindre une équipe Data en forte croissance et de contribuer à une plateforme stratégique au cœur des activités d'un leader mondial de la gestion d'actifs.