Ingénieur Data IA

Prendre en charge la responsabilité des produits data de pilotage et de suivi des services GenIA.

• Être l'interlocuteur des métiers pour recueillir et formaliser leurs besoins : catalogue d'indicateurs, reportings attendus, définition des KPI

• Concevoir, industrialiser et fiabiliser les indicateurs de pilotage.

• Structurer, modéliser et documenter les données nécessaires au pilotage.

• Construire et maintenir les dashboards de suivi

• Mettre en œuvre et fiabiliser les pipelines de données associés (collecte, transformation, contrôle qualité)

• Contribuer à la montée en maturité data de l’équipe : bonnes pratiques, documentation, capitalisation des connaissances

Passage de connaissance

En début de mission, un passage de connaissance sera organisé avec le sachant actuel afin d’assurer la continuité et la bonne appropriation du périmètre existant.

Livrables attendus

• Catalogue d’indicateurs de pilotage des services GenIA, validé avec les métiers

• Dashboards de suivi opérationnels

• Pipelines de données documentés et industrialisés

• Documentation de la donnée (sources, modèle, flux)

Durée de la mission : 3 mois, reconductible
Télétravail : 2 jours maximum par semaine
Date de démarrage souhaitée : ASAP

Formation Bac+5 en informatique, data science, data engineering ou équivalent, avec une expérience confirmée sur un poste de Data Analyst / Data Engineer
idéalement acquise dans un environnement assurantiel ou bancaire.

• Excellente maîtrise de SQL et Python

• Expérience en modélisation de données et architectures data (modèle en étoile, flocon, data vault…)

• Connaissance des environnements data modernes : Snowflake, Azure Storage, SQL Server

• Pratique de DBT, Airflow / Dagster, Git, Gitlab, Linux, Docker

• Connaissance d’un outil de dataviz, idéalement Qlik Sense ou Streamlit

• Une première expérience sur des cas d’usage IA générative serait un plus

Qualités personnelles

• Forte aisance relationnelle : capacité à interagir avec des interlocuteurs métiers non techniques et à vulgariser les enjeux data

• Autonomie, rigueur et sens de l’organisation

• Appétence pour les environnements structurés en transformation