Analytics Engineer – dbt / BigQuery

Dans un contexte de montée en puissance de la culture data, Tediber structure sa fonction Data pour en faire un pilier de la prise de décision. Nos données sont riches mais encore dispersées entre de nombreux outils : site e-commerce, marketing, service client, logistique, finance. Notre ambition : en faire une plateforme fiable et partagée, sur laquelle chaque équipe peut s’appuyer pour décider.

Rattaché·e au Lead Data, tu rejoins une équipe de deux personnes, un Lead Data et un Analytics Engineer, au cœur d’un projet où beaucoup reste à construire.

1. Intégration des données

• Intégrer nos sources de données dans l’entrepôt : Shopify, outils marketing, service client, logistique, finance.

• Fiabiliser et surveiller les flux existants.

2. Modélisation

• Modéliser les données avec dbt pour construire des tables fiables, testées et documentées.

• Construire notre couche sémantique (dbt Semantic Layer) : définir nos indicateurs clés une fois pour toutes, avec les équipes métier qui en valident le sens, pour que les dashboards comme l’IA s’appuient sur les mêmes chiffres.

3. Autonomie des équipes

• Mettre à disposition des datasets en self-service et des tableaux de bord dans Metabase.

• Rendre nos données accessibles en langage naturel grâce à l’IA. Les équipes interrogent déjà nos données avec Claude : ton travail de modélisation et de documentation est ce qui rend leurs réponses fiables.

• Mesurer la fiabilité des réponses de l’IA et améliorer en continu ce qui la conditionne : modèles de données, métadonnées, définitions des indicateurs.

4. Projets data

• Contribuer aux projets data de l’entreprise, de la performance commerciale à la prévision des ventes.

• Industrialiser les outils prototypés par les métiers avec l’IA pour en faire des solutions pérennes.

Stack technique

• Sources : Shopify et autres outils métiers

• Data Warehouse : BigQuery

• Transformation : dbt

• Ingestion : Airbyte et Quanti

• BI : Metabase

• Langages : SQL, Python