Ingénieur Data - Snowflake / Kafka

Contexte

Dans le cadre de la stratégie digitale d’une grande entreprise du secteur financier, un programme de transformation majeur du système d’information est en cours.
Ce programme inclut notamment :

• La modernisation de la plateforme data (Big Data / Datalake)

• La migration vers une nouvelle cible décisionnelle basée sur Snowflake pour la BU France

La plateforme data actuelle supporte de multiples usages opérationnels et analytiques. Des usages sont actuellement en cours de migration vers Snowflake, tout en maintenant l’activité existante.
En parallèle, de nouveaux projets data & IA continuent d’émerger pour répondre aux besoins métiers.

Missions

Dans ce contexte, la mission vise à :

• Concevoir, développer, piloter et délivrer de nouveaux usages décisionnels à forte valeur métier

• Participer à la migration vers Snowflake

• Industrialiser les datamarts métiers

• Garantir la qualité, la conformité et la maintenabilité des solutions

Périmètre des travaux :

• Alimentation de données brutes (SIO → Snowflake)

• Construction de datamarts décisionnels

• Migration des usages existants vers Snowflake

• Développement/industrialisation de nouveaux usages décisionnels

• Industrialisation et contrôle qualité des usages data

Interactions lors de la mission :
L’intervenant interagira avec :

• Chef de projet

• Équipes IT France (Roubaix)

• Équipes infrastructures (Île-de-France)

• Centre de services (Île Maurice)

• Data Management Office (Roubaix)

• Directions métiers (marketing, réglementaire, etc.) (Roubaix + Île-de-France)

Activités principales

L’ingénieur Data interviendra sur l’ensemble du cycle de vie des usages :

Analyse & cadrage

• Comprendre et challenger les besoins métiers

• Interagir directement avec les utilisateurs métiers

• Formaliser des solutions adaptées et pragmatiques

• Être force de proposition dans la construction des usages

Conception & décisions

• Traduction en solutions techniques adaptées

• Prendre des décisions de conception en autonomie (modélisation, flux, choix techniques)

• Définition de patterns d’architecture data

• Identification des données sources et des dépendances

• Estimation des charges, identification des risques

Développement & livraison

• Développement des pipelines et des usages

• Encadrement / suivi de développements (effectué par un Centre de services)

• Mise en œuvre des bonnes pratiques (qualité, performance, sécurité)

• Livraison des livrables projets selon la méthodologie CAPFM (cycle en V) ou en agile selon les projets :

  • Spécifications fonctionnelles et techniques

  • Dossiers d’architecture et de conception

  • Documentation d’exploitation et d’installation

  • Code source versionné et validé (intégration → production)

Tests & mise en production

• Tests unitaires, intégration et recette

• Contribution aux mises en production

• Suivi post-déploiement

Gouvernance & amélioration continue

• Documentation des usages (fonctionnelle et technique)

• Contribution à la gouvernance des données

• Analyse et optimisation des usages existants

• Veille technologique (outils data / Snowflake)