Senior Data Engineer - Sales F/H

Prime est un groupe européen de conseil en management et en ingénierie. Prime Engineering développe les activités du groupe dédiées aux métiers de l Energie, du BTP, de l Industrie et des Télécoms en France. Nous souhaitons ainsi poursuivre ce développement et renforcer notre Prime Team, comptant déjà plus 700 collaborateurs, répartis sur nos 9 agences (Paris, Lyon, Nantes, Lille, Aix-en-Provence, Grenobles, Tours, Bordeaux et la Pologne) et nos équipes projet partout en France et à l'international. Labélisée « Great Place To Work » 2016, 2018 et 2022. Prime Engineering représente aujourd'hui l'un des acteurs majeurs du conseil opérationnel en Ingénierie et Management en France.

Vous rejoindrez l'équipe Data Sales d'un de nos clients qui s'occupe des de la performance économique.

Dans le cadre de la refonte du système de calcul vers une modern data stack, l'équipe a besoin d'un Data Engineer expérimenté sur cette dernière.

Dans un contexte d'entreprise en pleine transformation, l'équipe a pour mission d'implémenter les différentes règles de calculs qui répondent aux différents business model présents dans le monde (exemples : shelfService, marketplace) afin de consolider nos KPIs d'entreprise (marge, CA, GMV).

Ils sont également en charge d'entretenir le système de calcul actuel réalisé en Talend - RedShift - Opcon que nous appellerons LEGACY

Pour remplir à bien sa mission, le Data Engineer devra :
- Développer des flux de données reliant les systèmes opérationnels d'encaissement au dataLake pour ensuite exposer les KPIs consolidés à l'ensemble de l'entreprise
- Participer activement au RUN (you build IT you run IT) : prise en charge de ticket, investigation, reprise de données, astreinte
- Maîtriser les modèles de données et les outils de transformations
- Maîtriser des outils de la modern data stack
- Avoir des connaissances sur la stack LEGACY
- Avoir des connaissances en SpringBoot pour l'exposition de nos données

Livrables attendus :
- Revue de code de ses pairs
- Documentation de sa production
- Schéma d'architecture à jour des différents flux
- Data Lineage de nos tables
- Etude de faisabilité & impact des futurs épic

Notre stack technique (non exhaustive) est la suivante :
- DataWarehouse :Redshift
- Datalake : S3
- Transfo : Spark en Scala et utilisant la bibliothèque Zio
- Orchestration : Airflow, OpCon
- Langage : SQL, Scala, Python
- Execution des jobs sur EMR et Databricks
- Github + Github Action
- Code Artifact
- Container : K8S
- API : SpringBoot + ELS