Data Engineer Analytics — Snowflake / dbt — Data Products Digital - Freelance

Le besoin

Ever"T — Société de Conseil tech IA-native, innovante et en hypercroissance — cherche un·e Data Engineer Analytics spécialiste des données digitales et marketing pour renforcer une squad Data dédiée au domaine Digital d'un grand groupe international.

Le contexte

Tu rejoins une organisation Data structurée en Data Mesh : chaque domaine métier porte ses propres Data Products, avec un Data Product Owner, un Tech Lead et une squad pluridisciplinaire. Ta squad, volontairement resserrée (un DPO et deux Data Engineers), couvre le domaine Digital : web & app analytics, e-commerce, paid media, SEO, avis clients et données de conversation du chatbot.

Le contexte est international : plusieurs dizaines de sites e-commerce, des dizaines de sources média par site, et des rafraîchissements multiples dans la journée pour couvrir tous les fuseaux horaires.

La plateforme est en pleine reconstruction : passage en mode Data Products sur dbt, remodélisation complète, renforcement de la Data Quality, puis ouverture vers une couche sémantique et des usages IA sur la donnée.

Ton rôle : concevoir, développer et industrialiser les Data Products du domaine, sur l'ensemble du cycle BUILD → UAT → PROD, en binôme rapproché avec le Data Product Owner et en lien direct avec les key users métier.

Ce que tu feras

• Développer les Data Products Source-Aligned, Core et Consumer du domaine Digital sur une stack Snowflake / dbt

• Intégrer et harmoniser les sources digitales (GA4, plateformes média via Funnel, Google Search Console, Google Keyword Planner, avis clients, conversations chatbot) dans un modèle commun : pays, site, canal, campagne, devise, fuseau horaire

• Réconcilier les sources entre elles : ventes déclarées par les plateformes média, ventes attribuées par GA4 et ventes réelles du back-office. Tu expliques les écarts et tu les rends lisibles pour le métier

• Remodéliser les cockpits existants, en lien avec le Data Engineer spécialiste Qlik de la squad

• Mettre en place les tests techniques, les contrôles de Data Quality et l'alerting (fraîcheur, volumes, écarts anormaux), pour que les anomalies soient détectées avant que le métier ne les remonte

• Maîtriser le delivery de bout en bout : développement, linter, Merge Request, code review, recette UAT et passage en production

• Travailler avec l'équipe Data Science pour intégrer ses algorithmes dans les Data Products, par exemple la catégorisation automatique des conversations chatbot

• Challenger les mappings et les règles de gestion avec le métier pour construire des modèles qui ont du sens

• Documenter les transformations, les règles de gestion, les modèles et les dépendances

• Remonter les blockers tôt et sécuriser les dates de delivery engagées