Data Engineer (H/F)

Company Description

Meritis est une société de conseil spécialisée en transformation digitale des organisations, fondée en 2007 par Sébastien Videment.

Installée initialement à Paris, elle s’est déployée en régions et assure désormais une présence dans les plus grandes villes de France : Sophia-Antipolis, Montpellier, Nantes, Bordeaux, Lyon, Aix-en-Provence, Lille et même à Lisbonne au Portugal depuis 2023.

Nos experts accompagnent des clients de divers secteurs dans l’intégralité de leurs besoins de transformations numériques à travers de nombreux domaines d’expertise : Finance, Software Engineering, Cloud & Infrastructure, Data, Transformation Digitale et Cybersécurité.

Fort de ses valeurs d’exigence, d’humilité, de bienveillance et de proximité, le cabinet de +900 collaborateurs primé à 5 reprises au palmarès Great Place To Work® connait une très forte croissance et projette d’atteindre 100M€ de chiffre d’affaires en 2024 et de dépasser la barre symbolique des 1000 collaborateurs.

Nous mettons un point d’honneur à être proche de nos collaborateurs et à les accompagner de manière individualisée quelles que soient leurs fonctions dans l’entreprise. Certifiée Great Place To Work depuis 2013, notre conception du bien-être au travail va bien au-delà d'un simple label, ce sont nos collaborateurs qui en parlent le mieux : https://www.glassdoor.fr/Avis/Meritis-Avis-E1163008.htm

Job Description

En tant que Data Engineer, vous contribuerez à la mise en place d’un service clé en main permettant aux équipes de valoriser leurs données BigQuery au sein d’applications opérationnelles. Cette solution reposera sur une base de données optimisée pour des lectures à haute fréquence, ainsi que sur une couche API générée automatiquement.

Vos responsabilités

La mission s’articule autour de trois axes principaux :

1. Mise en œuvre

• Configuration du pipeline de réplication des données depuis BigQuery vers une base de données opérationnelle

• Déploiement d’une couche API GraphQL générée automatiquement au-dessus de cette base

2. Industrialisation

• Développement de mécanismes permettant le provisionnement automatisé de l’ensemble de la stack pour chaque nouveau cas d’usage

• Mise en place de solutions d’Infrastructure as Code (IaC), de modèles standardisés et de déploiement en libre-service

3. Observabilité

• Mise à disposition d’outils de monitoring prêts à l’emploi pour les utilisateurs

• Suivi des performances du pipeline de réplication et de la couche API (métriques, alertes, tableaux de bord)