Consultant BI-Looker

La chaîne data suit le parcours suivant : collecte et stockage dans Google Cloud Storage, orchestration des pipelines par DAG sous Airflow (on-premise et managé), transformation et nettoyage avec dbt, entreposage dans BigQuery, puis restitution dans Looker. L"nfrastructure est gérée en code avec Terraform et Terragrunt, et les développements passent par une CI Git.

Objectifs et activités de la mission

La mission consiste à concevoir, livrer et maintenir des tableaux de bord financiers et extra-financiers dans Looker, en lien direct avec les équipes métiers.

1. Cadrage des besoins

• Animer les ateliers avec les équipes métiers (investissement, finance, conformité, relations investisseurs).

• Formaliser les besoins en indicateurs, règles de calcul et maquettes.

2. Modélisation des données

• Définir le modèle de données adapté dans BigQuery, en cohérence avec les transformations dbt existantes.

• Concevoir la couche sémantique Looker en LookML (views, explores, models).

3. Développement des tableaux de bord

• Développer les dashboards et visualisations dans Looker.

• Contrôler la qualité et la cohérence des chiffres restitués avec les métiers.

4. Administration de Looker

• Contribuer à l'administration de l'instance : gestion des utilisateurs, des groupes et des droits d'accès.

• Appliquer les bonnes pratiques de versioning Git et de déploiement.

5. Maintien en conditions opérationnelles

• Garantir la continuité de production des tableaux de bord existants.

• Assurer la maintenance corrective et évolutive.

• Documenter les modèles, indicateurs et dashboards.

• Exemples de tableaux de bord et livrables attendus

Les tableaux de bord couvrent le pilotage de l'activité et le suivi des fonds, par exemple :

• pilotage de l'activité de la société de gestion ;

• suivi des investissements et du portefeuille ;

• calcul et suivi des frais de gestion ;

• indicateurs extra-financiers (ESG, finance durable).

Livrables attendus :

• modèles LookML versionnés et documentés ;

• tableaux de bord validés par les métiers ;

• documentation fonctionnelle (définition des indicateurs, règles de calcul) et technique ;

• suivi des évolutions et des incidents de production.

Compétences métier et savoir-être

Une bonne compréhension du private equity est attendue pour dialoguer efficacement avec les métiers.

Compétences métier :

• connaissance du private equity et de la finance (cycle de vie d'un fonds, investissements, frais de gestion) ;

• notions de base en comptabilité ;

• sensibilité aux enjeux de la finance durable appréciée.

Savoir-être :

• autonomie ;

• rigueur et sens de la qualité de la donnée ;

• capacité à dialoguer avec les équipes métiers et à traduire leurs besoins en indicateurs ;

• capacité à documenter son travail de façon claire et réutilisable.

Profil recherché et modalités de réponse

Le profil attendu est un(e) consultant(e) BI confirmé(e), sans exigence technique particulièrement pointue.

• Expérience : 2 à 3 ans en Business Intelligence, dont une expérience significative sur Looker ;

• Une première expérience dans le secteur financier, idéalement en private equity ou en asset management, est un atout fort ;

• Formation : Bac+5 (école d'ingénieur, université ou école de commerce avec spécialisation data/finance) ou équivalent.

Compétences techniques

La maîtrise de LookML, SQL, Python et BigQuery est indispensable ; les autres compétences sont un plus.

Compétence Niveau d'exigence

• SQL Obligatoire

• Looker / LookML Obligatoire

• Python Obligatoire

• GCP (BigQuery) Obligatoire

• dbt Apprécié

• Airflow Apprécié

• Terraform / Terragrunt Apprécié

• Git et CI Apprécié

• eFront ou autre PMS Apprécié

Compétences métier et savoir-être

Une bonne compréhension du private equity est attendue pour dialoguer efficacement avec les métiers.

Compétences métier :

• connaissance du private equity et de la finance (cycle de vie d'un fonds, investissements, frais de gestion) ;

• notions de base en comptabilité ;

• sensibilité aux enjeux de la finance durable appréciée.

Savoir-être :

• autonomie ;

• rigueur et sens de la qualité de la donnée ;

• capacité à dialoguer avec les équipes métiers et à traduire leurs besoins en indicateurs ;

• capacité à documenter son travail de façon claire et réutilisable.