Descriptif du poste:\n\n Missions\n* \nAccompagnement du métier dans le cadrage et le delivery de leurs cas d’usage data,\n* \nIndustrialisation et run de pipelines de traitement de données en production,\n* \nAccompagnement des profils plus juniors dans leur montée en compétence,\n* \nÊtre force de proposition auprès du client dans l’évolution de sa plateforme data,\n* \nÉlaboration de présentations techniques pour partager son savoir aux autres collaborateurs,\n* \nTenue d’entretiens techniques pour aider le collectif à grandir,\n* \nParticipation en shadow à des avant-ventes afin d’aider à la conception de solutions techniques pour nos futurs clients,\n Évoluer au sein de la communauté\nÉvoluer au sein de la Tribe Data, c’est être acteur dans la création d’un environnement stimulant dans lequel les consultant·e·s ne cessent de se tirer vers le haut, aussi bien en ce qui concerne les compétences techniques que les soft-skills. Mais ce n’est pas tout, ce sont aussi des événements réguliers et des conversations slacks dédiées vous permettant de solliciter les communautés (data, AI/ML, DevOps, sécurité,…) dans leur ensemble !\nSur le bassin parisien, la Tribe compte 60 personnes encadrées par un Tribe Leader, et 3 Managers en fonction des différents métiers : Data Engineering, Machine Learning & AI et Déveloper & SRE.\nÀ côté de cela, vous avez l’opportunité d’être moteur dans le développement des différentes communautés internes (retours d’expériences, workshops, articles, podcasts…).\n\nProfil recherché:\n\n Compétences\nRequired :\n* \nBonne Maîtrise de Python, Git, SQL et d’au moins une librairie python permettant le traitement de données (Pandas, Polars, Dask, Spark,…),\n* \nCompréhension en profondeur des architectures data et de leurs problématiques : BDD SQL vs NoSQL, OLTP vs OLAP, ACID vs BASE, Batch vs Streaming, Datalake vs Data Warehouse vs LakeHouse,…\n* \nExpérience sur l’écosystème AWS, ou d’un autre hyperscaler (GCP, Azure),\n* \nExpérience dans l’utilisation de Spark,\n* \nExpérience sur l’utilisation d’un outil d’orchestration de pipeline (Airflow, Dagster,…),\n* \nExpérience en mise en production et en run de pipelines de données,\n* \nExpérience de la mise en pratique de la méthode agile.\nNice to have :\n* \nMaîtrise des concepts de modélisation de données,\n* \nMaîtrise des méthodes d’optimisation de traitements Spark,\n* \nExpérience sur une plateforme data managée (Snowflake, Databricks, DBT,…),\n* \nExpérience sur un outil d'infra as code (Terraform, CloudFormation,…),\n* \nExpérience sur un outil de CI/CD (Gitlab-Ci, Github Actions, Jenkins,…),\n* \nCapacité à concevoir de nouvelles architectures data et à challenger l’existant de manière constructive et pertinente,\n* \nCapacité d’établir et de chiffrer des roadmaps de projets data,\n* \nConnaissances des concepts et des outils liés à la data gouvernance.\nSi vous n’avez pas toutes ces compétences, no worries! Seules les “Required” sont… required.