Data Engineer Senior

À propos du poste

Le Data Engineer Senior sera responsable de la conception, du développement et de l’optimisation des architectures et pipelines de données afin d’assurer la fiabilité, la performance et la disponibilité des données pour les usages analytiques, BI et métiers.

Missions principales

• Concevoir, développer et maintenir des pipelines de données robustes et scalables (batch et/ou streaming).
• Assurer l’ingestion, la transformation et la mise à disposition des données depuis des sources multiples vers les data warehouses / data lakes.
• Superviser et fiabiliser les traitements de données (monitoring, alerting, reprise sur incident).
• Identifier, analyser et corriger les incidents liés aux flux de données (performance, qualité, disponibilité).
• Optimiser les performances des traitements ETL/ELT et des requêtes SQL.
• Automatiser les processus data via des scripts Python (orchestration, contrôles qualité, nettoyage).
• Participer à la modélisation des données (schémas, tables, vues analytiques) et à l’industrialisation des flux (tests, CI/CD, documentation).
• Collaborer avec les équipes BI pour alimenter les outils de reporting et de visualisation, et soutenir les projets de migration ou de modernisation des plateformes data.
• Assurer une veille technologique sur les outils Data Engineering, Cloud et DataOps.

Profil recherché

• Formation Bac+5 en informatique, data engineering, systèmes d’information ou équivalent.
• Expérience confirmée de 4 à 5 ans en tant que Data Engineer ou rôle équivalent.
• Capacité à travailler de façon autonome, rigueur analytique et bon relationnel avec les équipes techniques et métiers.

Compétences requises

• Maîtrise avancée de Python.
• Expérience avec des outils d’orchestration ETL/ELT tels qu’Airflow, Talend ou dbt.
• Excellente connaissance du SQL et des bases de données relationnelles (SQL Server, PostgreSQL).
• Connaissance des environnements Data Warehouse et Data Lake.
• Maîtrise d’un outil de visualisation BI (Power BI, Tableau, Qlik, Looker).
• Utilisation des outils de versioning et d’intégration continue (Git, GitLab, Jenkins).
• Bonne compréhension des bonnes pratiques DataOps (monitoring, tests, qualité des données).