Lead Data Architect / Data Engineer / Data Analyst

Conception et mise en œuvre d’une plateforme de données centralisée et historisée pour les sites web d’Opella, afin de rendre les données disponibles, fiables, structurées et interrogeables.

La solution devra croiser des données de performance digitale, de contenus, d’audiences, de mises en ligne et d’engagement consommateurs, et être opérationnelle d’ici fin 2026.

CONTEXTE

• Mission portée par l’équipe Web d’Opella, entreprise internationale spécialisée dans la santé grand public.

• Besoin complémentaire à un Business Manager avec formation de Data Scientist, dans une logique de mise à disposition et de structuration de la donnée.

• Projet de plateforme de données centralisée et historisée pour piloter un portefeuille d’environ 300 sites web de marques dans le monde.

• Enjeu de croiser les données de performance digitale, le SEO, la visibilité dans les moteurs de recherche basés sur l’IA et les LLM, les contenus, les audiences, les mises en ligne et les données d’engagement des consommateurs.

• La plateforme doit appuyer les décisions métier et s’inscrire dans les standards de gouvernance du groupe Opella.

MISSIONS

• Concevoir la plateforme de données

◦ Concevoir, développer et documenter les modèles de données, pipelines et couches sémantiques dans Databricks.

◦ Intégrer les données provenant des sites web et des interactions avec les consommateurs.

◦ Mettre en place une base de données historisée pour suivre les évolutions des données dans le temps.

◦ Définir les structures nécessaires à l’analyse et au reporting.

• Garantir la qualité et la traçabilité des données

◦ Réaliser le mapping entre les sources et les données cibles.

◦ Rédiger les spécifications fonctionnelles et techniques.

◦ Documenter les flux de données et les règles de transformation.

◦ Préparer et exécuter les tests d’intégration système, ainsi que les tests d’acceptation utilisateur, SIT et UAT.

◦ Vérifier l’exactitude, la cohérence et la disponibilité des données avant la mise en production.

• Définir l’architecture cible

◦ Analyser les besoins avec le Business Manager.

◦ Évaluer les sources de données disponibles et leur niveau de qualité.

◦ Définir l’architecture cible et le modèle de données dans le cadre technique d’Opella.

◦ Documenter les choix d’architecture, les présenter et les défendre auprès de l’équipe Data centrale.

◦ Obtenir la validation de l’architecture et respecter les standards de gouvernance du groupe.

• Dimensionner l’équipe de delivery

◦ Évaluer la charge et les compétences nécessaires dès les premières semaines.

◦ Définir le nombre de personnes et les profils requis pour mener la mission.

◦ Présenter un plan de staffing au cours des 3 à 4 premières semaines afin de sécuriser les ressources.

◦ Piloter une petite équipe de delivery sur les sujets d’ingestion, de modélisation, de transformation et de mise à disposition des données.

• Construire et mettre en production la solution

◦ Participer directement au développement des pipelines, modèles et transformations.

◦ Mettre en place les flux d’ingestion et les interfaces avec les différentes sources.

◦ Industrialiser les traitements avec dbt et Apache Airflow.

◦ Appliquer les standards d’ingénierie : qualité des données, tests automatisés, documentation, Git et CI/CD.

◦ Permettre à l’équipe métier de devenir autonome sur l’utilisation et la compréhension de ses données.

• Organiser le fonctionnement opérationnel

◦ Préparer le passage en production de la plateforme.

◦ Définir le modèle opérationnel : responsabilités, support, supervision, maintenance et gestion des incidents.

◦ Transférer la solution à des ressources pérennes au sein de l’organisation.

◦ Assurer la continuité de service et la maintenance de la plateforme après la phase de delivery.

ORGANISATION & QUOTIDIEN

• Rattaché(e) directement à l’équipe métier et en collaboration étroite avec un chef de projet et un analyste métier.

• Travail avec les partenaires data d’Opella pour connecter les différentes sources, comprendre les logiques de transformation existantes et les traduire dans une architecture technique cohérente.

• Le poste est fortement orienté technique, avec une forte dimension Data Engineering et Architecture.

• Le rôle nécessite aussi une bonne compréhension des besoins métier et la capacité à passer d’un atelier fonctionnel au développement de pipelines et de modèles de données.

• Répartition annoncée des compétences : 85 à 90 % technique et 10 à 15 % fonctionnel et métier.

• Échéances principales : première version de l’architecture cible et plan de staffing dans les 3 à 4 premières semaines, architecture validée et équipe de delivery constituée à mi-parcours, solution livrée et fonctionnement clairement défini d’ici fin 2026.

CONDITIONS

• Démarrage : dès que possible.

• Durée : jusqu’au 31 décembre 2026, avec possibilité de prolongation.

• Localisation : Paris.

• Organisation : hybride.

• Langues : anglais courant indispensable ; français apprécié.

NIVEAU D'EXPÉRIENCE

• Minimum 7 ans d’expérience en modélisation de données, Data Engineering, Data Analytics ou dans un rôle technique similaire.

COMPÉTENCES TECHNIQUES

• Bonne compréhension des approches ETL et ELT.

• Capacité à superviser, diagnostiquer et corriger les workflows de données.

• Capacité à concevoir, documenter et défendre une architecture dans un cadre de gouvernance Data centralisé.

• Expérience de la gestion des droits d’accès et des pratiques de gouvernance.

• Capacité à produire des schémas de flux, des mappings et une documentation technique exploitable.

• Capacité à évaluer une charge, définir les profils nécessaires et piloter une petite équipe technique.

• Capacité à travailler avec des interlocuteurs métier, techniques et transverses.

• Aptitude à traduire des besoins métier et fonctionnels en solutions techniques.

• Expérience des méthodes de delivery Agile.

• Capacité à intervenir aussi bien dans des ateliers métier que dans le développement de code.

• Développement assisté par IA.

• Agentic coding.

• Automatisation de workflows avec l’IA.

• Workflows agentiques.

• Architectures compatibles avec les usages de l’IA.

• Compréhension de l’architecture des données liées à l’engagement des consommateurs.

• Expérience des données digitales et marketing.

• Compréhension de l’environnement CPG.

OUTILS

• Databricks

• SQL

• Python

• dbt

• Apache Airflow

• API

• SFTP

• échanges cloud en zero-copy

• pipelines

• interfaces de données

• dimensions à évolution lente

• snapshots

• modèles temporels

• Git

• CI/CD

• plateforme data

• data mart

• plans de tests

• workflows de données

• catalogage des données

• Power BI

• DAX

• GitHub Copilot

• RAG

• GA4

• SEO

SOFT SKILLS

• Communication claire, à l’écrit comme à l’oral.

• Autonomie.

• Sens des responsabilités.

• Capacité à avancer dans un contexte où certaines informations restent à préciser.

LANGUES

• Anglais courant indispensable.

• Français apprécié.