Analytics Engineer - Freelance

Description du poste Contexte Mission au sein d'une équipe data composée de data analysts et data scientists, avec pour objectif de garantir la qualité des données, assurer le monitoring et l'analyse des données, veiller au bon fonctionnement des pipelines de données, et contribuer aux tâches de data engineering, y compris le développement et la maintenance des pipelines lorsque nécessaire. Missions Responsabilités techniques • Concevoir, développer et maintenir des modèles de données pour répondre aux cas d'usage analytiques et aux exigences de performance • Réaliser de la modélisation de processus pour cartographier les flux de données, identifier les points de friction et révéler les opportunités d'optimisation • Garantir des pratiques robustes de gestion des données sur l'ensemble du cycle de vie de la donnée, incluant la gouvernance, la qualité et la traçabilité (lineage) • Surveiller et analyser les pipelines de données afin de détecter les anomalies de manière proactive, garantir la fiabilité et maintenir l'intégrité des données • Piloter de façon autonome des modules analytiques de bout en bout, du recueil des besoins jusqu'à la livraison de la solution • Mener des analyses de qualité des données : identifier, diagnostiquer et résoudre les problèmes de qualité en cohérence avec les besoins métier • Concevoir, construire et maintenir des pipelines de données et des processus ETL/ELT • Collaborer sur des solutions de data engineering, incluant l'ingestion, la transformation et les workflows d'orchestration des données • Optimiser la performance des pipelines de données et résoudre les problèmes techniques dans les workflows de traitement • Contribuer aux décisions d'infrastructure et à l'architecture technique des solutions data Métier et gestion de la donnée • Identifier, recueillir et formaliser les besoins métier liés à l'usage et à la qualité des données • Gérer à la fois les besoins data et métier en s'appuyant sur une compréhension approfondie des processus métier et des systèmes techniques sous-jacents • Traduire les besoins métier en solutions techniques data concrètes, scalables et durables • Délivrer des insights marketing accessibles et scalables, fondés sur des données de qualité, pour soutenir la prise de décision commerciale • Contribuer aux flux de données « AI-ready » en réduisant la complexité d'accès et de mise à disposition des données Collaboration et communication • Travailler en étroite collaboration avec les data engineers pour intégrer des données issues de sources multiples et hétérogènes • Collaborer quotidiennement avec les autres data analysts de l'équipe plateforme pour aligner les standards, partager les bonnes pratiques et garantir la cohérence • Communiquer efficacement avec les parties prenantes métier pour comprendre leurs besoins, gérer leurs attentes et présenter les résultats de manière claire et accessible • Faire le lien entre les équipes techniques et les utilisateurs métier, en traduisant les besoins fonctionnels en spécifications techniques précises Stack technique • DBT • Airflow • SQL • Snowflake • Git • Python Profil recherché • Expertise en analyse de données (interrogation, nettoyage et transformation de données issues de sources multiples) • Maîtrise de dbt • Maîtrise de Airflow • Bonne maîtrise de l'anglais : la communication écrite et orale en anglais est requise, le poste impliquant une collaboration étroite avec des équipes internationales et la rédaction de documentation technique • Maîtrise de la programmation : expérience pratique d'au moins un langage (Python de préférence ; le SQL est indispensable) • Compréhension fondamentale des méthodes statistiques (moyenne, médiane, écart-type, corrélation) • Connaissances en bases de données : compréhension des principes des bases relationnelles, des structures de données, des relations et de la normalisation • Visualisation et reporting : capacité à créer des rapports et tableaux de bord clairs et actionnables avec des outils BI (Power BI, Tableau, Looker ou équivalent) • Solide compréhension des processus métier et capacité à traduire les besoins métier en solutions techniques data • Gestion de la qualité des données : expérience dans l'identification, le diagnostic et la résolution des problèmes de qualité ; familiarité avec les techniques de profilage et de validation des données • Développement de pipelines de données : expérience pratique de la construction et de la maintenance de processus ETL/ELT et de workflows de données • Orchestration de workflows : familiarité avec les outils d'orchestration de pipelines et les systèmes d'ordonnancement • Plateformes data cloud : expérience pratique du data warehousing et du traitement de données dans le cloud (expérience Snowflake appréciée) • Compréhension des concepts de data engineering (pipelines de données, ETL, etc.) • Modélisation de données pour l'engineering : compréhension de la modélisation dimensionnelle, des principes de conception de data warehouse et des techniques d'optimisation de performance • Familiarité avec les principes de gouvernance, de traçabilité (lineage) et de gestion des métadonnées