Data Engineer

• Conception et industrialisation de pipelines
• Mise en place et optimisation d’ingestions (batch/near real-time) depuis des sources internes/externes via Airbyte et AWS (DMS, RDS, S3)
• Orchestration, monitoring et alerting des workflows pour un MTTD/MTTR minimal
• Architecture et modélisation
• Structuration en layers (bronze/argent/or) avec séparation claire ingestion/transformations/serving
• Application des bonnes pratiques de modélisation (étoile, ERD, faits/dimensions) inspirées de Kimball pour servir les besoins Analytics et Produit
• Qualité, fiabilité et gouvernance
• Mise en place de tests automatisés (qualité, fraîcheur, contraintes) et de checks de data observability
• Standards de documentation (nomenclatures, définitions de métriques, SLAs de datasets) et diffusion des bonnes pratiques
• Performance et optimisation
• Tuning des requêtes et des modèles (PostgreSQL/DBT), optimisation des coûts et des temps de calcul
• Gestion des partitions, indexations, et stratégies d’incrémental
• Collaboration avec les équipes métier et Data
• Travail étroit avec notre Data Analyst et notre duo PO / CTO pour aligner la modélisation sur les cas d’usage
• Accompagnement/formation des Data Analysts sur DBT, bonnes pratiques de modélisation et qualité de données
• Évolution de la plateforme
• Contribution aux choix d’architecture, PoC sur de nouveaux composants

• 3–5 ans min d’expérience en Data Engineering (ou rôle data proche avec forte composante ingestion/orchestration/industrialisation)
• Maîtrise avancée de DBT (implémentation, tests, documentation, stratégies incrémentales)
• Excellente connaissance de PostgreSQL et des bases relationnelles (tuning, indexation, partitions)
• Expérience avec AWS Quicksight, DMS, RDS, S3 et Airbyte
• Solides bases de modélisation à la Kimball (schéma en étoile, ERD, tables de faits/dimensions)
• Pratique de la qualité et de la gouvernance de données (tests, métriques, nomenclature, SLAs)
• Apprécié: connaissance de Snowflake et des patterns de data warehousing cloud
• Capacité à collaborer avec des profils métier et à traduire des besoins en modèles et pipelines opérationnels
• Bac +5 / Master

Apprécié: connaissance de Snowflake et des patterns de data warehousing cloud

• Entre 1-2 jours de télétravail
• Prime de cooptation
• Partenariat avec des associations
• Allocation sportive