Trouvez votre prochaine mission ou futur job IT.

4. Description de la prestation et des missions attenduesLe/La Data Engineer sera intégré(e) à l'équipe produit TOPASE NLS et interviendra sur les missions suivantes : 🔹 Conception, développement et optimisation des pipelines de données (GCP)Concevoir, développer et maintenir des pipelines robustes et performants pour la collecte, la transformation et le chargement des données depuis diverses sources (Oracle, fichiers, API, etc.) vers BigQuery et autres cibles. Exploiter et orchestrer les services Google Cloud Platform (Dataflow, Dataproc, Cloud Composer/Airflow, Pub/Sub, Cloud Storage, BigQuery) afin de construire des architectures data scalables et fiables. Automatiser les traitements, gérer les dépendances et orchestrer les jobs de données. Optimiser les performances des pipelines ainsi que la consommation des ressources GCP. 🔹 Modélisation et gestion des donnéesParticiper à la conception et à l'évolution des modèles de données dans BigQuery, en lien avec les Data Analysts et les équipes métiers. Garantir la qualité, la cohérence et l'intégrité des données. Mettre en œuvre des stratégies de versioning des schémas et de gestion du cycle de vie des données. 🔹 Run opérationnel, maintenance et support N2/N3Assurer le support opérationnel de niveau 2/3 de la solution TOPASE (environnement GCP + solution éditeur). Développer et maintenir des scripts Bash pour automatiser les tâches récurrentes (supervision, traitement de données, maintenance). Rédiger, optimiser et exécuter des requêtes SQL complexes (BigQuery et Oracle) pour l'analyse, le diagnostic d'incidents et la restitution de données. Gérer les incidents en collaboration avec les équipes internes et l'éditeur. Participer à la qualification des livraisons de patchs éditeur impactant les flux de données. Suivre les incidents via le CRM éditeur et contribuer aux comités de suivi. 🔹 Monitoring, logging et alertingMettre en place et maintenir des dispositifs de supervision des flux de données, de la qualité, des performances et de l'utilisation des ressources (Stackdriver, Grafana, Looker Studio). Définir et implémenter des alertes permettant la détection proactive des anomalies. Concevoir des tableaux de bord pour le suivi des KPI opérationnels et métier. 🔹 Infrastructure as Code (IaC)Contribuer à la définition et à l'implémentation de l'infrastructure data via Terraform. Garantir la reproductibilité et la traçabilité des environnements (Dev, Recette, Pré-prod, Prod). 🔹 Collaboration et conseilTravailler en étroite collaboration avec les équipes Data (Data Scientists, Data Analysts), les Product Owners et les métiers. Proposer des solutions techniques adaptées et conseiller sur les bonnes pratiques en Data Engineering. Participer aux rituels Agile/Kanban de l'équipe produit. 5. Compétences et expériences requises5.1 Expertise techniqueCloud GCP : Expertise confirmée des services data (BigQuery, Dataflow, Cloud Storage, Pub/Sub, Composer/Airflow, Stackdriver, Data Catalog). Bases de données : Maîtrise avancée SQL (optimisation, requêtes complexes), expérience sur BigQuery et Oracle 19 (MySQL/PostgreSQL appréciés). Scripting : Excellente maîtrise de Bash (indispensable pour le run). Systèmes : Bonne maîtrise des environnements Linux (RedHat). IaC : Solide expérience avec Terraform. CI/CD : Maîtrise d'un outil comme GitLab CI. Monitoring/Logging : Stackdriver, Grafana, ELK, Looker Studio. Versioning : Git (GitLab). Réseaux : Connaissances solides (TCP/IP, HTTP/S, DNS, load balancing, firewall). Data Engineering : Maîtrise des concepts ETL/ELT, Data Warehouse, Data Lake et streaming. 5.2 Environnement technique TOPASE NLSOS : RedHat Enterprise 9.4 Cloud : Azure (solution éditeur) & GCP (data, monitoring, pipelines) CI/CD : GitLab CI IaC : Terraform Monitoring : Looker Studio, GANTI, Grafana, ELK Bases : Oracle, BigQuery Langage : Bash 5.3 Méthodologies et soft skillsExpérience en environnement Agile (Scrum, Kanban). Excellentes capacités d'analyse et de résolution de problèmes, notamment en situation d'incident. Autonomie, proactivité et sens de l'amélioration continue. Bonnes compétences de communication (français courant, anglais technique). Esprit d'équipe et partage des connaissances. Sens des responsabilités, notamment en environnement de production. 5.4 ExpérienceMinimum 3 ans d'expérience en tant que Data Engineer, idéalement sur GCP. Expérience sur des environnements à forte volumétrie, avec des enjeux de performance, fiabilité et disponibilité.

Hello, Pour le compte de l'un de mes clients dans le secteur du BTP, je suis à la recherche d'un PO Data dans le domaine de l'environnement. Le/La Product Owner Data Environnement agit en véritable directeur/chef de projet hybride (MOE/MOA) au sein du département Data. Il/Elle est le garant du delivery, de la valeur métier et de la gouvernance de l'ensemble des solutions analytiques de son périmètre (Reporting BI traditionnel, initiatives exploratoires, cas d'usage IA et Machine Learning) situées en aval des systèmes transactionnels. Pour ce 5e poste créé au sein de l'équipe, il/elle prend la responsabilité exclusive du domaine Environnement. Interlocuteur central et "tout-terrain", il/elle manage son équipe de développement, anime la comitologie, pilote ses budgets et assure l'interface entre les métiers, la gouvernance, l'architecture et les responsables des systèmes sources transactionnels. • Management d'équipe : Encadre, anime et coordonne au quotidien son équipe de développement (Analytics Engineers, Data Engineers, Data Scientists). • Méthodologie Agile : Structure et pilote le backlog produit sous Jira et s'assure du rythme des livraisons. • Relations Métiers & Sources : Recueille les besoins des directions métiers (RSE/Environnement), gère le delivery et fait le lien avec les responsables applicatifs des systèmes transactionnels amont pour sécuriser la mise à disposition des données sources. • Comitologie & Communication : Prépare et anime les instances de gouvernance projets (Comités de projet, Comités de pilotage). Rédige l'ensemble des livrables clés (comptes-rendus, supports de présentation synthétiques, spécifications fonctionnelles). • Gestion Budgétaire : Assure le suivi financier et la gestion rigoureuse de ses lignes budgétaires dans l'outil DSI Orchestra. Alignement transverse et respect des standards : • Data Gouvernance : Travaille main dans la main avec la cellule Data Gouvernance pour implémenter les directives, la conformité et la documentation des données de son périmètre. • Architecture & Performance : Collabore avec la cellule Architecture pour coconstruire les data models, s'assurer de l'application des normes de développement et veiller à l'optimisation et la performance des traitements de son équipe. Implication opérationnelle, "Hands-on" et Qualité : • Culture Data Analyst : Ne se cantonne pas à un rôle purement organisationnel : participe activement aux phases de test de validation des données, et peut être amené(e) à maquetter ou développer lui-même des rapports/indicateurs pour accélérer les cycles de livraison. • Garantit la qualité finale de la donnée restituée, essentielle sur les indicateurs réglementaires (DPEF, BEGES). Garantie de l'adéquation Qualité - Coût - Délai : • Garantit la conformité des données affichées dans les rapports avec les règles de gestion métiers définies. • Respecte et suit les jalons projets (délais et coûts de delivery). ● Accompagnement du Changement & Innovation : Accompagne les métiers dans la transition vers des cas d'usage avancés (Data Science, IA, prédictif liés aux enjeux environnementaux et à l'empreinte carbone). ● Accompagnement à la Migration Technique : Participe au plan de bascule de la solution BI historique (SAP Hana) vers l'environnement moderne (BigQuery) sur son périmètre. À ce titre, il/elle se montre curieux et non réfractaire à l'analyse de l'écosystème historique. ● Suivi technologique : Participe à la phase de cadrage et de transition industrielle vers les flux d'acquisition modernes (Fivetran, POC en cours).