Data Platform Engineer Senior — Freelance - Freelance

Contexte de la mission

Nous accompagnons un acteur digital international en forte croissance dans le renforcement de son équipe Data Platform.

L’organisation Data regroupe plusieurs expertises : Data Science, Analytics Engineering, Data Analysis et Data Platform Engineering. Dans un contexte d’augmentation des besoins métiers et du nombre de profils utilisant la plateforme, l’entreprise souhaite faire évoluer son modèle actuel vers une approche Data Platform as a Service.

L’objectif est de permettre aux équipes Data de développer, industrialiser et déployer leurs cas d’usage de manière plus autonome, standardisée et sécurisée, tout en réduisant leur dépendance à l’équipe Data Platform.

La mission s’inscrit dans une logique de structuration à moyen et long terme : il ne s’agit pas uniquement de livrer des solutions ponctuelles, mais de construire des fondations robustes, réutilisables et évolutives.

Vos missions

En collaboration avec l’équipe Data Platform et les différents leads Data, vous interviendrez notamment sur les sujets suivants :

• Recueillir et prioriser les besoins des équipes Data Science, Analytics Engineering et Data Analysis.

• Identifier des quick wins permettant d’améliorer rapidement l’expérience des utilisateurs de la plateforme.

• Concevoir et mettre en place des standards, frameworks, templates et composants réutilisables.

• Faire évoluer la plateforme vers un modèle self-service.

• Renforcer la gouvernance, la documentation et la fiabilité des assets Data.

• Améliorer et enrichir le data catalogue existant.

• Automatiser le data lineage et l’analyse d’impact en cas d’incident sur les pipelines.

• Améliorer l’expérience développeur, depuis le développement jusqu’à la mise en production.

• Réduire les étapes manuelles et renforcer les contrôles dans les processus de déploiement.

• Participer à la mise en place de KPI certifiés et d’une semantic layer.

• Sécuriser et gouverner les nouveaux usages liés à l’IA analytique et aux agents conversationnels.

• Accompagner l’industrialisation des cas d’usage Data et Machine Learning.

• Documenter les choix d’architecture et assurer leur adoption par les équipes.

Environnement technique

• Google Cloud Platform

• BigQuery

• dbt

• Airflow

• Tableau

• GitLab

• CI/CD

• OpenMetadata

• Services Machine Learning GCP

• Python et frameworks de Machine Learning

Exemples de projets

Selon votre expérience et les priorités de l’équipe, vous pourrez intervenir sur des sujets tels que :

• Enrichir et fiabiliser le Data Catalog afin d’en faire une source de référence centralisant la documentation, les métadonnées, le lineage et la gouvernance des données.

• Automatiser l’analyse d’impact des pipelines Data en exploitant le data lineage pour identifier automatiquement les dashboards, KPI ou produits impactés lors d’un incident, sans analyse manuelle.

• Améliorer la Developer Experience des équipes Data en fluidifiant le cycle de développement jusqu’à la mise en production : automatisation des contrôles, amélioration de la CI/CD, réduction des étapes manuelles et standardisation des workflows.

• Construire une Semantic Layer et des KPI certifiés afin d’offrir une source de vérité commune aux équipes Analytics, Data Science et Business, tout en garantissant la qualité et la cohérence des indicateurs.

• Mettre en place la gouvernance des usages IA et Analytics en structurant les fondations nécessaires au déploiement d’agents IA conversationnels et d’outils d’analytics générative, avec un contrôle de la qualité, de la traçabilité et de la fiabilité des données exposées.

• Faire évoluer la plateforme vers un modèle “Data Platform as a Service” en développant des frameworks, templates et composants self-service permettant aux Data Scientists, Analytics Engineers et Data Analysts de créer, industrialiser et déployer leurs projets de manière autonome, tout en respectant les standards de la plateforme.

Processus de recrutement

Le processus comprendra notamment une étude de cas orientée architecture et résolution de problématiques Data Platform.

L’objectif ne sera pas d’évaluer uniquement les compétences de développement, mais surtout la capacité du candidat à :

• analyser des pain points ;

• concevoir une architecture adaptée ;

• prioriser les chantiers ;

• proposer une solution robuste et pragmatique ;

• expliquer ses choix techniques.