Clinityx est un bureau d'études faisant partie du groupe Cegedim, qui réalise des études épidémiologiques à partir de données de santé issues de registres ou du Système National de Données de Santé (SNDS), pour le compte des laboratoires pharmaceutiques ou des sociétés savantes. Clinityx a développé une expertise forte sur la gestion des données du SNDS. Nous disposons aujourd'hui d'un entrepôt de données de santé unique en son genre, comportant une volumétrie importante, de l'ordre de 30 To. Nous cherchons aujourd'hui à renforcer l'équipe sur les capacités de traitement de cette forte volumétrie. Nous travaillons dans un environnement cloud HDS (hébergeur de données de santé), sur des cluster Kubernetes. La stack technologique repose principalement sur l'utilisation de clusters Spark (Scala) pour l'analyse distribuée des données, avec du stockage objet de type S3. Mission : Les data engineers fournissent un travail crucial chez Clinityx, en étroite collaboration avec les data scientistes d'une part, et avec les épidémiologistes d'autre part. Ces interactions sont indispensables à la définition des besoins des équipes en vue de construire les outils utilisés en interne.La personne nous rejoignant pour le poste de Data engineer : Participera à la conception et à l'implémentation de pipelines de données, en vue de la préparation d'un datalake structuré pour les data scientists Assurera le développement, l'intégration, la qualité et la disponibilité de ces pipelines Participera aux développements d'outils fortement réutilisables afin d'automatiser et industrialiser la production d'analyses clés Travaillera en étroite collaboration avec les équipes de data science et d'épidémiologie pour comprendre et répondre à leurs besoins en matière de données. Bénéfices: Télé-travail hybride : 2 jours de TT / 2 jours sur site (Boulogne) 13 jours de RTT et 25 jours de congés annuels Mutuelle groupe très avantageuse Avantages du CSE (billetterie, chèques vacances.) Carte tickets restaurant Participation. Ingénieur intéressé par les données à forte volumétrie Bonne connaissance du framework Spark et du langage Scala (ou Java, ou Python/PySpark Expérience de 2 à 5 ans dans un poste similaire La connaissance des environnements de données de santé est un plus.