Ingénieur en Analytique

Objectif du poste

L'Ingénieur Analytique Intermediaire est un professionnel de la data en émergence qui débutera sa carrière au sein de l'équipe d'ingénierie analytique pour construire des produits de données robustes, intégrés et efficaces qui offrent une analytique de pointe centrée sur les cas d'utilisation au sein de l'organisation. Le rôle travaille avec un ingénieur senior ou leader en ingénierie analytique pour construire des produits de données et des pipelines pour des projets à fort impact qui offrent l'échelle et l'automatisation et améliorent la disponibilité et la qualité des données. L'Ingénieur Analytique Intermediaire a une passion pour développer ses compétences dans l'art de l'ingénierie des données, du cloud et des logiciels pour délivrer des cas d'utilisation analytiques pour apporter une valeur ajoutée à l'entreprise et faire de la donnée un avantage concurrentiel 

Description du rôle

• Développer et maintenir des pipelines de données en utilisant SQL et Python pour produire des produits de données fiables, évolutifs et adaptés à l'usage dans un environnement cloud
• Traduire les exigences techniques en produits de données fiables, évolutifs ou en pipelines qui répondent aux besoins de l'organisation.
• Collaborer avec les data scientists et les analystes pour comprendre les exigences en matière de données et fournir des produits de données pour les cas d'utilisation analytiques.
• Mettre en œuvre des procédures de surveillance, de test et d'automatisation pour les produits de données.
• Participer à des revues de code, en veillant à respecter les normes de codage et les meilleures pratiques.
• Collaborer avec les membres de l'équipe pour résoudre les problèmes liés aux données et proposer des solutions.
• Offrir un support de première ligne pour les pipelines de données.
• Contribuer à la création et à l'entretien de la documentation pour les ensembles de données et les processus d'analyse, en veillant à ce qu'une terminologie et des définitions cohérentes soient appliquées pour faciliter une collaboration fluide au sein de l'équipe.
• Contribuer au développement d'une bibliothèque d'artefacts d'ingénierie logicielle réutilisables visant à accélérer la création de produits de données.
• Maintenir la documentation technique relative aux produits de données et aux pipelines.
• Industrialiser et produire des composants au sein d'un produit de données.
• Soutenir les initiatives de DataOps au sein de l'équipe.
• Collaborer avec l'équipe pour exécuter des procédures de test standard et effectuer un suivi régulier des ensembles de données, en mettant l'accent sur la précision et la qualité des données en tant que contributeur significatif à nos initiatives d'analyse.
• Participer à l'intégration et à l'adoption de meilleures pratiques d'ingénierie logicielle au sein de l'équipe de données, contribuant à la mise en œuvre de normes de codage, de contrôle de version, et de workflows collaboratifs.

Expérience et compétences

• Diplôme ou Certificat en Informatique, Développement Logiciel, Ingénierie ou un domaine connexe
• Minimum d'1 an d'expérience pratique au sein d'une équipe de données, en tant qu'ingénieur de données ou ingénieur logiciel spécialisé dans les données
• Familiarité avec les outils et technologies de traitement de données contemporains, contribuant au développement, à l'optimisation et à la mise en production de produits de données.
• Maîtrise de Python et SQL, capable de mener à bien des tâches de développement.
• Familiarité avec les concepts fondamentaux de l'utilisation d'Apache Spark pour le calcul distribué, obtenue grâce à des cours ou à des projets introductifs.
• Exposition aux plateformes cloud comme AWS, Azure, ou Google Cloud à travers des cours ou des projets de base, avec une compréhension fondamentale des concepts du cloud liés au calcul et au stockage.
• Compréhension de base du concept d'Infrastructure en tant que Code et de son importance dans les pratiques d'ingénierie de données.
• Exposition à la manipulation de grands ensembles de données et à la compréhension des modèles commerciaux.
• Compréhension de base des meilleures pratiques de développement de logiciels et des systèmes de contrôle de version (par exemple, Git).
• Engagement envers les normes de codage, comprenant la lisibilité du code, des commentaires efficaces, et des conventions de nommage cohérentes.
• Compréhension des méthodologies de test fondamentales pour garantir la qualité du code.
• Ouverture à l'apprentissage et à l'adoption des modèles de codage établis et des meilleures pratiques au sein de l'équipe.
• Expérience de collaboration au sein de et entre des équipes multifonctionnelles
• Expérience de travail dans un environnement Agile