Data Analyst Full-stack - Freelance

Taux journalier (TJM): Selon profil

Contexte & enjeux

Nous développons plusieurs produits data destinés au pilotage opérationnel de la performance d’infrastructures physiques.

Un premier outil d’analyse est déjà en production et doit désormais être fiabilisé, enrichi et étendu à plus grande échelle.
L’objectif est de transformer des données techniques hétérogènes en indicateurs compréhensibles et directement exploitables par des équipes terrain.

Le poste s’inscrit dans une squad dédiée à la performance opérationnelle, avec une approche produit et une forte proximité avec les experts métier.

Missions

• Construire et maintenir des pipelines de données de bout en bout (collecte → transformation → exposition)
• Intégrer et exploiter des données provenant d’APIs et de systèmes internes
• Structurer et modéliser la donnée dans un environnement cloud
• Développer des interfaces applicatives data à destination d’utilisateurs non techniques
• Produire des analyses permettant d’améliorer la performance opérationnelle
• Collaborer étroitement avec les experts métier pour traduire les besoins en fonctionnalités
• Améliorer la qualité, la robustesse et la performance des traitements
• Participer à l’industrialisation et au passage à l’échelle des produits data

Stack & environnement

Cloud public (type GCP)
Python, SQL
Applications data interactives (type Streamlit)
Plateforme data science existante (type Dataiku)
Sources multiples dont APIs externes
Outils de transformation type dbt appréciés mais non obligatoires

Profil recherché

• Data Analyst senior avec capacité full-stack data (ou Data Engineer orienté produit)
• Expérience sur des produits data de bout en bout
• Solide maîtrise Python et SQL en contexte production
• Expérience d’intégration de données hétérogènes et APIs
• Forte compréhension fonctionnelle et orientation usage
• Capacité à échanger avec des interlocuteurs non techniques
• Autonomie et posture produit

Atouts

• Expérience d’applications data interactives
• Contexte multi-sites ou opérationnel
• Sensibilité aux sujets d’optimisation de performance opérationnelle
• Culture produit data

Organisation

Travail en squad transverse mêlant experts métier et partenaires techniques, avec une logique d’itération rapide et d’amélioration continue du produit.