Descriptif du poste:\n\nTes missions \nConception & Build de Lakehouse\n* \nConcevoir l'architecture Lakehouse sur Databricks selon les contraintes métier et de volumétrie\n* \nStructurer la donnée selon l'architecture Medallion (Bronze / Silver / Gold) sur Delta Lake\n* \nDévelopper les traitements batch et streaming en PySpark / Spark SQL (Spark Structured Streaming, Auto Loader, Delta Live Tables)\n* \nModéliser les couches de présentation (Kimball, étoile / flocon) ; les approches Data Vault 2.0 sont un plus\n* \nMettre en place les pipelines d'ingestion de sources hétérogènes (Kafka, Airbyte, connecteurs natifs)\n* \nOrchestrer via Databricks Workflows / Airflow et transformer avec dbt\nOptimisation & Fiabilisation\n* \nOptimiser les performances Spark : tuning des jobs, gestion des clusters, partitionnement, Z-Ordering, Liquid Clustering\n* \nPiloter les coûts de compute (FinOps) : dimensionnement des clusters, photon, autoscaling\n* \nMettre en place la qualité des données (Delta Live Tables expectations, tests dbt, Great Expectations)\n* \nGouverner la donnée via Unity Catalog : gestion des accès, lineage, catalogue\n* \nIndustrialiser via CI/CD (GitHub Actions, GitLab CI, Databricks Asset Bundles), DataOps et notions de MLOps (MLflow)\nAccompagnement & Delivery\n* \nParticiper aux ateliers de cadrage avec les équipes métier, data et data science\n* \nRédiger la documentation technique et fonctionnelle\n* \nOutiller la mise en production de cas d'usage ML et IA générative (préparation de features, pipelines RAG)\n* \nFormer et faire monter en compétences les équipes client\n* \nTravailler en mode agile (Scrum / Kanban), en collaboration avec les Product Owners data\n\nProfil recherché:\n\nTon profil\nTitulaire d'un Bac+5 (école d'ingénieur ou université à dominante scientifique et technique) en Informatique, Data ou Génie logiciel, tu justifies d'au moins 5 ans d'expérience en ingénierie des données, dont une expérience significative sur Databricks et Apache Spark.\n \nCompétences techniques requises\n* \nCloud & Plateforme - Databricks (Lakehouse), Delta Lake, Unity Catalog, sur Azure / AWS / GCP\n* \nTraitement de données - Apache Spark (PySpark, Spark SQL), Spark Structured Streaming, Delta Live Tables, Auto Loader\n* \nModélisation - Architecture Medallion, modèles Kimball / étoile-flocon ; Data Vault 2.0 apprécié\n* \nTransformation & Orchestration - dbt, Databricks Workflows / Airflow, Kafka\n* \nLangages - Python avancé et SQL avancé\n* \nIndustrialisation - Git, CI/CD (Databricks Asset Bundles, GitHub Actions, GitLab CI), DataOps, Terraform, notions de MLOps (MLflow)\n* \nGouvernance & Qualité - Gouvernance via Unity Catalog : lineage, catalogue, qualité (DLT expectations, Great Expectations)\n* \nRestitution - Power BI, Tableau, Databricks SQL / dashboards\n* \nCertifications - Certification Databricks Certified Data Engineer (Associate / Professional) vivement appréciée\n \nSoft skills\n* \nAutonomie, rigueur et sens du delivery\n* \nCapacité à dialoguer avec les équipes métier, data science et à vulgariser\n* \nEsprit d'équipe, sens du service et posture conseil\n* \nCapacité à collaborer en français et en anglais (écrit et oral)\nAu travers de ses recrutements, Klee Group cultive une politique en faveur de la diversité, de l'égalité professionnelle et des travailleurs handicapés.\nDéroulement des entretiens\n* \nUn premier échange téléphonique avec Christine, Responsable recrutement \n* \nUne rencontre avec un membre de ta future équipe\n* \nUn dernier échange avec ton futur Manager !\nNous avons hâte de faire ta connaissance !