En tant que Data Steward pour le domaine, vous dirigerez les initiatives de modélisation des données et d'amélioration de la qualité, en travaillant en étroite collaboration avec les équipes métiers, produit et techniques pour garantir une gouvernance des données appropriée et une conformité aux normes. Qualité des données & Mod élisation : Piloter les initiatives de modélisation des données en suivant les exigences internes. Garantir l'utilisation sémantique appropriée et la cardinalité dans les modèles de données. Valider les structures de données avec l'équipe d'architecture. Maintenir les standards de qualité des données dans le domaine concerné. Animation des parties prenantes : Coordonner avec les Chefs de Projet (propriétaires des données). Faciliter les discussions entre les équipes métiers et techniques. Guider les équipes techniques dans l'amélioration des structures API/événements. Travailler en étroite collaboration avec les équipes produit pour intégrer les sujets de données dans la feuille de route. Collaborer avec l'équipe d'architecture pour la validation des modèles. Compréhension des processus métier : Analyser les processus métier existants. Proposer des recommandations initiales pour l'architecture des données. Garantir l'alignement entre les besoins métiers et les structures de données. Documenter les flux de données et les dépendances. Support à la mise en ?uvre technique (20%) : Guider l?exposition des données selon les modèles validés. Supporter la restructuration des sujets Kafka et des API de points de terminaison. Superviser la mise en ?uvre de la qualité des données. Valider les solutions techniques. Profil candidat: Compétences métiers et communication : Solides compétences en gestion des parties prenantes. Excellentes compétences en communication en anglais. Anglais courant (écrit et parlé) est obligatoire. Collaboration quotidienne en anglais avec des équipes internationales. Rédaction de documentation technique en anglais. Expérience en animation de projets. Capacités d'analyse des processus. Connaissances techniques : Modélisation des données & Architecture : Expérience en modélisation des données et conception de bases de données. Compréhension des principes de normalisation des données. Connaissance des concepts d'entrepôts de données. Familiarité avec les normes internes de données (préféré). Patterns d'intégration : Forte connaissance des principes et des bonnes pratiques des API REST. Expérience avec l'architecture pilotée par les événements. Compréhension des concepts Kafka : Sujets et partitionnement. Schémas d'événements (AVRO). Patterns Producteur/Consommateur. Expérience avec les patterns synchrones/asynchrones. Stack technique : Écosystème Kafka. API REST. Bases de données structurées (BigQuery). Outils de documentation des données (Collibra). Architecture microservices. Plateforme d'hébergement cloud. ETL / ELT (DBT). Développement & Outils : Compétences avancées en requêtage (SQL). Surveillance de la qualité des données. Concepts ETL.