Consultant Data Analytics Engineer (Snowflake/Airflow)

-Établir et sécuriser des connexions techniques robustes et évolutives avec les systèmes sources Corporate identifiés (ERP, Plateformes Financières, RH, ITSM etc.).

-Extraire et charger les données des domaines fonctionnels Corporate clés : finance, ressources humaines, référentiels, achats, etc.

-Concevoir et implémenter des pipelines d'ingestion automatisés fiables et performants, garantissant l'intégrité et la fraîcheur des données.

-Structurer et modéliser les données dans un entrepôt de données (Data Warehouse Snowflake) de manière logique, modulaire, réutilisable et optimisée pour l'analyse et la restitution.

-Mettre en place des mécanismes de gouvernance des données : gestion des métadonnées, logiques de rafraîchissement, suivi de la qualité des données et gestion des erreurs.

-Développer des vues et agrégats de données spécifiques aux besoins de restitution et d'analyse des différents départements Corporate.

-Documenter de manière exhaustive les pipelines d'ingestion, les modèles de données (logique et physique), les règles de transformation et les points de reprise pour assurer la maintenabilité et la transférabilité.

Environnement technique (exemples, à confirmer selon l'architecture existante ou cible)**

Sources : Multiples systèmes Corporate (Systèmes Financiers, Plateformes Achats, Outils ITSM. - via APIs, exports ou connecteurs natifs).

-Destination : Snowflake(Data Warehouse Cloud).

-Orchestration : Airflow.

-Transformation : DBT Core / SQL, Python (Pandas/PySpark) ou équivalent.

-Modélisation : DrawIO, Lucidchart ou autre support outil libre.

-Visualisation / Restitution : Tableau.

-CI/CD / versioning : GitLab, GitHub.

-Documentation : Confluence, Jira, SharePoint.

Expérience confirmée en intégration de données depuis des systèmes d'entreprise complexes (ERP, CRM, finance, RH).

Maîtrise des techniques d'ingestion et de transformation de données dans un environnement cloud (idéalement Snowflake ou équivalent).

Solides compétences en data modeling analytique (modèles dimensionnels, Data Vault, médaillon ou autres architectures d'entrepôt de données).

Excellentes pratiques en matière d'orchestration de pipelines de données, de versioning de code, de documentation technique et fonctionnelle.

Capacité à travailler efficacement au sein d'une équipe Agile, suivant la méthodologie Scrum.

Forte capacité à travailler en autonomie, à prendre des initiatives et à interagir efficacement avec les équipes techniques et les interlocuteurs métiers.