POSTE : Ingénieur Data - CDI H/F DESCRIPTION : Être Ingénieur(e) Data à l'ICL, c'est ? Rattaché(e) à la Direction des Systèmes d'Information, en lien fonctionnellement avec le responsable du Département d'Informations Hospitalières et Santé (DIHoS), l'Ingénieur(e) Data conçoit, construit et maintient les architectures, modèles et flux de données nécessaires à la valorisation des données de l'ICL. Il structure les bases de données institutionnelles, pilote les référentiels et les outils de gestion de la donnée (ex : Master Data Management, cartographie des données), et développe le futur Entrepôt de Données de Santé (EDS). Il travaille en étroite collaboration avec les data analysts des différents secteurs d'activité (médical, financier, RH), les data owners, les data stewards, les équipes applicatives et techniques. Il participe au déploiement de l'IA au sein de l'ICL en structurant les flux de données nécessaires. Il participe à la production de tableaux de bord de pilotage de l'établissement. Il garantit la qualité, la sécurité, l'intégrité et la disponibilité des données, et fournit aux métiers les outils et environnements nécessaires à la collecte, l'exploitation et la valorisation des analyses. Vos missions au quotidien : - Architecture data & structuration des données : - Concevoir, documenter et maintenir l'architecture data du CLCC : modèles conceptuels/logiques/physiques, dictionnaires, nomenclatures - Structurer les bases de données internes pour garantir cohérence, alignement métier, qualité et interopérabilité - Concevoir et maintenir les référentiels institutionnels (patients, professionnels, actes, séjours, unités) - Piloter la démarche de Master Data Management (MDM) et assurer la gouvernance technique des référentiels - Construction et maintenance de l'Entrepôt de Données de Santé connecté (EDS) - Participer à la définition de la stratégie EDS avec la DSI et la Direction Médicale - Construire l'EDS connecté (schémas, pipelines, modèles décisionnels, datamarts, supervision) - Implémenter les standards d'interopérabilité de santé (FHIR, HL7) - Assurer la conformité avec les exigences réglementaires (CNIL, sécurité, minimisation, traçabilité, pseudonymisation) - Garantir la performance, l'intégrité et la disponibilité de l'EDS - Développement des flux et API : - Concevoir et maintenir les flux ETL/ELT pour alimenter l'EDS, les référentiels, les dashboards et les applications internes - Développer et documenter des API internes pour exposer les données aux applications métiers, outils de recherche, datamarts analytiques - Superviser les pipelines de données, les reprises, les historiques et la qualité des flux - Construction des outils analytiques industrialisés : - Développer des outils permettant l'utilisation de tableaux de bord robustes et industrialisés pour les métiers (médical, qualité, finances, RH), en lien avec les data analystes métier, les data owners et data stewards - Mettre en place des environnements analytiques (Dataviz, cubes, univers, datamarts) - Concevoir des modèles de données permettant aux data anlysts d'être autonomes - Optimiser les performances et garantir la cohérence des jeux de données exposés - Produire les indicateurs et tableaux de bords pour l'aide au pilotage de l'ICL, en lien avec le Medical Data Analyst - Collaboration et gouvernance de la donnée : - Travailler quotidiennement avec les data analysts, data owners et data stewards pour : définir les règles de gestion, valider les dictionnaires de données, améliorer la qualité des données, standardiser les indicateurs institutionnels - Participer aux comités Data / IA - Contribuer à la structuration des données nécessaires au développement et à l'évaluation de projets d'IA - Accompagner les métiers pour structurer leurs besoins, cadrer les usages et favoriser une culture Data - Sécurité, conformité et qualité des données : - Implémenter les principes de sécurité (authentification, droits d'accès, chiffrement, audit) - Garantir la conformité RGPD/CNIL/Hébergement des Données de Santé (HDS) - Détecter, analyser et corriger les anomalies de données (data quality management) - Assurer la traçabilité des traitements et l'automatisation du contrôle qualité - Support, documentation et amélioration continue : - Rédiger et maintenir la documentation technique (modèles, glossaires, schémas, APIs) - Former les équipes métier et data analysts à l'usage des outils et jeux de données