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

Contexte Dans le cadre de la modernisation de sa plateforme d'intégration, l'entreprise poursuit la migration progressive de ses flux et services d'intégration depuis TIBCO vers Workato. Le Tech Lead aura pour mission d'accompagner cette transformation, de définir les bonnes pratiques d'intégration et de garantir la qualité des solutions déployées dans un environnement Cloud Azure. Missions Architecture & Transformation Accompagner la migration des intégrations existantes vers Workato. Définir les standards d'architecture et les bonnes pratiques de développement. Participer aux choix techniques liés à l'évolution de la plateforme d'intégration. Contribuer à la rationalisation et à la simplification du patrimoine applicatif. Développement & Delivery Concevoir et implémenter des flux d'intégration et APIs. Garantir la qualité des développements (code review, tests, CI/CD). Participer à la résolution des incidents complexes et à l'amélioration continue. Réduire la dette technique et optimiser les performances des intégrations. Leadership Technique Accompagner les développeurs sur les sujets techniques. Assurer la diffusion des bonnes pratiques. Être le point de référence sur les sujets d'intégration, API et architecture événementielle. Environnement technique Workato Apigee Azure Azure AKS Azure Event Hub Kafka Azure DevOps CI/CD Azure SQL Database Snowflake ELK Linux Postman Bitbucket Confluence Connaissance de TIBCO BW6/BWCE appréciée pour comprendre l'existant, mais non indispensable.

Data & AI Engineer (Data Engineering / AI Engineering) Qui sommes-nous ? Fondée par des experts techniques et portée par des passionnés de l'IT, Big APPS est une société de conseil spécialisée dans la Data, le Cloud, le DevOps et l'Intelligence Artificielle (IA). Nous accompagnons nos clients dans leurs projets de transformation digitale en concevant des plateformes de données performantes et des solutions innovantes basées sur l'IA. Nous intervenons sur des projets à forte valeur ajoutée en mettant en œuvre les technologies les plus récentes et les meilleures pratiques du marché. Dans le cadre de notre croissance, nous recherchons un(e) Data & AI Engineer pour renforcer nos équipes. Vos missions En tant que Data & AI Engineer, vous serez amené(e) à : Concevoir, développer et maintenir des plateformes de données robustes et évolutives. Développer et optimiser des pipelines de données (ETL/ELT). Concevoir des architectures Data sur Azure, AWS ou GCP. Préparer, transformer et valoriser les données pour les projets d'IA. Développer, intégrer et industrialiser des modèles de Machine Learning et d'IA générative. Participer au déploiement des modèles en production (MLOps). Collaborer avec les équipes métiers, Data Science et Cloud. Mettre en œuvre les bonnes pratiques DevOps, CI/CD et Infrastructure as Code. Garantir la qualité, la sécurité et la disponibilité des données. Que vous soyez Data Engineer, AI Engineer, Data Scientist ou déjà doté(e) d'une double compétence Data & IA, vous souhaitez intervenir sur des projets innovants mêlant Data Engineering, Machine Learning, IA Générative et Cloud ? Rejoignez Big APPS !

TEKsystems recherche pour l'un de ses clients grand compte un(e) Data ingénieur (H/F) Les tâches : Établir et sécuriser des connexions techniques robustes et évolutives avec les systèmes sources Corporate identifiés (ERP, Plateformes Financières, RH, ITSM etc.). Extraire et charger les données des domaines fonctionnels Corporate clés : finance, ressources humaines, référentiels, achats, etc. Concevoir et implémenter des pipelines d'ingestion automatisés fiables et performants, garantissant l'intégrité et la fraîcheur des données. Structurer et modéliser les données dans un entrepôt de données (Data Warehouse Snowflake) de manière logique, modulaire, réutilisable et optimisée pour l'analyse et la restitution. Mettre en place des mécanismes de gouvernance des données : gestion des métadonnées, logiques de rafraîchissement, suivi de la qualité des données et gestion des erreurs. Développer des vues et agrégats de données spécifiques aux besoins de restitution et d'analyse des différents départements Corporate. Documenter de manière exhaustive les pipelines d'ingestion, les modèles de données (logique et physique), les règles de transformation et les points de reprise pour assurer la maintenabilité et la transférabilité. Environnement technique Sources : Multiples systèmes Corporate (Systèmes Financiers, Plateformes Achats, Outils ITSM. - via APIs, exports ou connecteurs natifs). Destination : Snowflake(Data Warehouse Cloud). Orchestration : Airflow. Transformation : DBT Core / SQL, Python (Pandas/PySpark) ou équivalent. Modélisation : DrawIO, Lucidchart ou autre support outil libre. Visualisation / Restitution : Tableau. CI/CD / versioning : GitLab, GitHub. Documentation : Confluence, Jira, SharePoint.