Analyste d'exploitation (H/F)

Nous recherchons des Analystes d'Exploitation (H/F) en environnement décisionnel, disposant des compétences suivantes :
Maîtrise des outils d'ordonnancement et d'automatisation : Expertise sur Control-M, Dollar Universe, Autosys et des solutions modernes d'orchestration telles que Apache Airflow. Bonne maîtrise des processus d'automatisation, de planification et de supervision des traitements critiques.
Compétences techniques avancées : Solides connaissances en systèmes, réseaux et bases de données, avec une expérience confirmée des principaux ETL/ELT du marché (Informatica, DataStage, SAS DI, SSIS/MS BI, Talend, Azure Data Factory). Une connaissance des plateformes de traitement de données modernes (Google Dataflow, Databricks, Apache Spark) constitue un atout.
Bases de données et analytique : Excellente maîtrise de SQL, T-SQL, PL/SQL et Shell (Bash/KSH) pour l'exploitation et l'automatisation des traitements. Expérience des environnements Oracle, SQL Server, PostgreSQL, ainsi que des plateformes analytiques et Cloud Data telles que Snowflake, BigQuery, Synapse Analytics et des architectures Data Lake/Data Warehouse.
Administration système, Cloud et conteneurisation : Bonne maîtrise des environnements Windows et Linux (RedHat, Debian) avec une expérience des infrastructures AWS, Azure et GCP. Connaissance des technologies de virtualisation, des conteneurs Docker, de Kubernetes et des architectures cloud hybrides.
Outils DevOps, observabilité et gestion de versions : Expérience avec Git, GitHub, GitLab, Azure DevOps, Jenkins et les chaînes CI/CD modernes. Maîtrise des plateformes de gestion de la qualité (Quality Center, Mantis, Xray) ainsi que des outils d'observabilité et de supervision tels que Prometheus, Grafana, ELK/OpenSearch, Dynatrace ou Splunk.
Data Engineering, Intelligence Artificielle et AIOps : Familiarité avec les outils d'analyse avancée et d'IA tels que Python (Pandas, NumPy, Scikit-learn, TensorFlow), Spark ML, MLflow ou AutoML. Intérêt pour les solutions d'IA générative (GitHub Copilot, Microsoft Copilot, ChatGPT Enterprise, Azure AI) et les approches AIOps pour l'automatisation intelligente, l'analyse prédictive et la détection proactive des incidents.
Sécurité et conformité : Bonne compréhension des bonnes pratiques en cybersécurité, des principes DevSecOps, de la gestion des identités (IAM) et des standards de conformité ISO 27001, RGPD, PCI-DSS, notamment dans les environnements Banque, Assurance et Finance.
Gestion de projet et méthodologies Agiles : Expérience des méthodologies Scrum, Kanban, SAFe et maîtrise des outils Jira et Confluence, avec une forte culture de l'amélioration continue, de la collaboration et de la qualité de service.
Compétences en communication et résolution de problèmes : Capacité à analyser des incidents complexes, à identifier leurs causes racines, à proposer des solutions pérennes et à communiquer efficacement avec les équipes techniques, fonctionnelles et métiers.
Expérience sectorielle : Une expérience dans les secteurs Banque, Assurance, Finance, Industrie, Télécoms ou Services constitue un atout majeur, permettant d'évoluer efficacement dans des environnements critiques, fortement réglementés et orientés performance.