Descriptif du poste:\n\nSalaire: 50-60k€\nContexte\nEn tant que Data Engineer, vous intervenez sur la conception, le développement et l'optimisation de pipelines de données robustes et scalables. Vous travaillez au cœur des plateformes Data afin de garantir la qualité, la disponibilité et la performance des données utilisées par les équipes métiers, BI et Data Science.\nMissions\n* \nConcevoir, développer et optimiser des pipelines de données robustes et scalables\n* \nCollaborer efficacement au sein d'équipes agiles et pluridisciplinaires, en lien avec les équipes Data, IT et métiers\n* \nGarantir la qualité, la disponibilité et la performance des données\n* \nPrioriser les tâches, gérer les contraintes et respecter les engagements\n* \nCommuniquer clairement avec des interlocuteurs techniques et non techniques\n* \nAppliquer les bonnes pratiques de développement logiciel pour assurer la maintenabilité et la testabilité des pipelines\n* \nConcevoir des pipelines Data comme de véritables produits logiciels, en tenant compte de la maintenabilité, de l'évolutivité et de l'observabilité\n* \nMettre en place des stratégies de tests automatisés pour les pipelines, incluant tests unitaires et contrôles de qualité des données\nOutils & Environnement\n* \nPlateforme Databricks dans un contexte Data Engineering\n* \nApache Spark via PySpark et Spark SQL pour le développement de pipelines Data\n* \nDelta Lake et ses mécanismes clés (Delta log, ACID, schema evolution, time travel)\n* \nMéthodes d'ingestion de données sur la plateforme Databricks\n* \nFramework Spark Declarative Pipelines\n* \nOutils de tests automatisés : pytest, contrôles qualité des données (DQX, SDP Expectations)\n* \nGestion de version avec Git et workflows collaboratifs associés\n* \nLangage SQL pour interrogation des données\n* \nProgrammation en Python avec bonnes pratiques de software engineering (structuration, modularité, conventions de nommage, gestion des dépendances)\n* \nEnvironnements Business Intelligence, Big Data et architectures Lakehouse\n* \nPlateformes Data modernes (Cloud)\nConditions de travail\n* \nExpérience attendue :\n\nProfil recherché:\n\n* \n3 ans min d'expérience en ingénierie Data\n* \nCapacité à évoluer efficacement au sein d'équipes agiles et pluridisciplinaires\n* \nFort esprit analytique et grande rigueur\n* \nAutonomie, proactivité et sens des responsabilités\n* \nCapacité à communiquer clairement avec des interlocuteurs techniques et non techniques\n* \nSavoir prioriser les tâches, gérer les contraintes et respecter les engagements\n* \nEsprit de synthèse et orientation résultats et valeur métier\n* \nBonne connaissance des environnements Business Intelligence, Big Data et des architectures Lakehouse\n* \nExpérience sur des plateformes Data modernes (Cloud)\n* \nMaîtrise de SQL et notions de modélisation de données (architecture médaillon, modèle en étoile)\n* \nBagage en software engineering pour écrire un code robuste, lisible, maintenable et testable, notamment en Python\n* \nApplication des bonnes pratiques de développement : structuration du code, modularité, gestion des dépendances, conventions de nommage\n* \nSensibilisation aux principes de qualité logicielle (tests unitaires, tests d'intégration, revue de code)\n* \nÀ l'aise avec les outils de versioning (Git) et workflows collaboratifs\n* \nCapacité à concevoir des pipelines Data comme des produits logiciels, en tenant compte de la maintenabilité, évolutivité et observabilité\n* \nBonne maîtrise de la plateforme Databricks en contexte Data Engineering\n* \nUtilisation avancée d'Apache Spark via PySpark et Spark SQL pour le développement de pipelines Data\n* \nConnaissance de Delta Lake et de ses mécanismes clés (Delta log, ACID, schema evolution, time travel)\n* \nMaîtrise des différentes méthodes d'ingestion de données de la plateforme\n* \nConnaissance et implémentation du framework Spark Declarative Pipelines\n* \nMise en place de stratégies de tests automatisés pour les pipelines incluant : tests unitaires (ex. pytest), contrôles de qualité des données (DQX, SDP