Chef de Projet BI / Data technique confirmé (5-8 ans) recruté pour piloter des projets data de bout en bout sur une stack Informatica/ETL + Microsoft Fabric/Power BI, en environnement multi-métiers. Crédible techniquement pour challenger les équipes ETL et les architectes data, capable de vulgariser les enjeux décisionnels face aux métiers, et à l'aise avec les flux EDI comme sources de données entrantes. Profil attendu : Technical Project Manager, ex-dev BI ou data engineer idéalement, SQL solide, anglais B2 opérationnel. Équivalence ETL acceptée si posture de leadership présente. MISSIONS PRINCIPALES Cadrage & Pilotage de Projets BI Cadrer les besoins métier et les traduire en spécifications fonctionnelles et techniques Piloter les projets de bout en bout : planning, budget, risques, dépendances, jalons ? portefeuille multi-projets Organiser et animer les comités projet, points d'avancement et arbitrages avec les sponsors Gérer les recettes : scénarios de tests, coordination UAT avec les équipes métier, validation des livraisons Challenge Technique & Contrôle Qualité Challenger les choix d'architecture data et de modélisation dimensionnelle (étoile, flocon, grain de fait) Contrôler la qualité des développements ETL : mappings, transformations, gestion des erreurs, performances Utiliser SQL de façon autonome pour vérifier la qualité des données et challenger les modèles Détecter et escalader les problèmes de performance, de cohérence ou de sécurité des données Intégration EDI & Flux de Données Sources Comprendre et superviser l'intégration des flux EDI (EDIFACT, X12, IDOC SAP ou équivalents) comme sources entrantes dans la chaîne ETL Identifier les problématiques de transformation et de qualité spécifiques aux données issues de flux inter-systèmes Valider la cohérence des données issues de sources B2B externes avec les référentiels internes Microsoft Fabric & Power BI Piloter les développements Power BI : modélisation, DAX, publication, sécurité RLS, gouvernance Accompagner la modernisation vers Microsoft Fabric : lakehouses, dataflows Gen2, pipelines Valider la cohérence entre la couche restitution et les couches data en dessous Qualité des Données & Gouvernance Intégrer les enjeux de qualité des données dans les projets : contrôles, indicateurs, remédiation Définir et faire respecter les référentiels communs entre domaines métier Gérer les conflits de définition entre métiers (indicateurs divergents, règles contradictoires)