Data Engineer Python SAS GCP

Au sein des équipes Data & Analytics, vous rejoindrez l’équipe Décisionnel Dommage dont la mission est de mettre à la disposition des métiers, via une plateforme BI, les données et outils nécessaires aux études et aux reportings de l’entreprise.

La plateforme hébergeant ces données est basée sur la solution SAS (SAS 9.4 sous Windows). Un projet de modernisation majeur a débuté avec une migration du patrimoine vers Google Cloud Platform et nous aurions besoin d’une ressource supplémentaire pour migrer les programmes et en développer de nouveaux.

Le candidat aura pour mission d'assurer la qualité, la cohérence et la performance des solutions data développées au sein de l'équipe.

Il rejoindra une équipe de 6 collaborateurs internes (business analyst, data engineer, chefs de projets) et des ressources externes. Il travaillera en étroite collaboration avec les chefs de projets de l’équipe.

Développement et architecture DATA :

• Concevoir et développer des pipelines de données robustes et scalables (ETL/ELT) ;
• Garantir la qualité des données via la mise en œuvre de tests automatisés et de contrôles qualité.

Pilotage et coordination :

• Contribuer aux chiffrages et à la planification des développements ;
• Assurer la documentation technique des solutions mises en œuvre ;
• Accompagner et mentorer les développeurs juniors et confirmés

Livrables attendus :

• Documentation technique des pipelines développés ;
• Code source versionné et testé, conforme aux standards définis ;
• Reporting régulier sur l'avancement des travaux ;
• Participation aux comités techniques et aux revues d'architecture.

Compétences techniques :

• Python avancé : maîtrise des frameworks data (PySpark, Pandas, Polars, Dask)
• Orchestration : Airflow, Prefect ou équivalent
• Cloud : expérience sur au moins un provider (AWS, Azure, GCP) – environnement GCP privilégié
• SQL : maîtrise avancée, optimisation de requêtes
• Outils de versioning : Git, GitLab/GitHub
• CI/CD : mise en place et gestion de pipelines d'intégration continue
• Conteneurisation : Docker, Kubernetes (apprécié)
• Qualité de code : tests unitaires, SonarQube, …
• SAS : la connaissance du langage SAS serait un atout pour la réaliser la migration

Compétences fonctionnelles :

• Bonne compréhension des enjeux data (gouvernance, qualité, sécurité des données)
• Connaissance des concepts de Data Mesh ou Data Fabric (apprécié)
• Sensibilité aux problématiques de conformité et de protection des données (RGPD)