Analytics Engineer – Migration & Optimisation Data Platform H/F

Localisation : Paris – La Défense (2 jours/semaine sur site)
Démarrage : ASAP – au plus tard début août 2026
Durée : Commande jusqu'à fin décembre 2026 - Renouvelable

🏢 Contexte de la mission

Au sein de l'équipe IT Reports d'un grand acteur du secteur bancaire et financier, vous interviendrez sur un projet stratégique de modernisation de la Data Platform.

La mission consiste à reprendre un patrimoine de code existant (SQL, Python), actuellement en production sur des environnements AWS Athena et Starburst (Trino Enterprise), et à le migrer vers une cible Starburst unifiée.

Ce projet implique :

• La revue et refactorisation des requêtes et modèles de données existants

• Le changement de source de données : passage des fichiers CSV en raw zone vers des données au format Apache Iceberg, exposées comme Data as a Product

• L'optimisation des performances des modèles et requêtes au fil de la migration

Vous travaillez dans un environnement data moderne, en collaboration étroite avec des Data Engineers, Data Scientists, Analysts et parties prenantes métier.

🎯 Livrables attendus

• Migration du patrimoine SQL/Python vers la cible Starburst (sources Iceberg / Data as a Product)

• Optimisation des requêtes et modèles de données existants

• Documentation technique (data dictionaries, modèles)

• Tests de qualité des données intégrés aux modèles

• Contribution aux bonnes pratiques DataOps et CI/CD de l'équipe

🛠️ Stack technique

• Langages : SQL (avancé), Python

• Transformation : dbt (data build tool)

• Moteurs de requête : Starburst / Trino, AWS Athena

• Formats & stockage : Apache Iceberg, AWS Glue, S3 / Raw Zone

• Versioning & CI : Git, CI/CD

• Bonnes pratiques : DataOps, approche DRY, tests automatisés

Rôle hybride : Analytics Engineer (entre Data Engineer et Data Analyst)

Compétences techniques indispensables

• SQL avancé : transformation de données complexe, optimisation de requêtes

• Python : scripting, automatisation

• Git : gestion de version et collaboration en équipe

• Starburst / Trino et/ou AWS Athena : expérience en environnement cloud data warehouse

• dbt : une connaissance est appréciée, sans en faire un prérequis bloquant

• Modélisation dimensionnelle : schémas en étoile, flocon, conception orientée métier

Compétences analytiques & organisationnelles

• Capacité à comprendre les enjeux et métriques business

• Aptitude à faire le pont entre équipes techniques et parties prenantes métier

• Rigueur dans la documentation (data dictionaries, specs techniques)

• Esprit de collaboration dans un environnement multi-équipes

Bonnes pratiques

• Approche DataOps et intégration continue (CI/CD)

• Conception modulaire et principe DRY

• Tests automatisés sur les modèles de données