Quality Data/Lead Data Referentiel

1. PRÉSENTATION DE LA MISSION

Dans le cadre d'un programme de transformation de la qualité des données de marché, vous rejoignez l'équipe DIR (Direction du Référentiel). Votre rôle est de concevoir, déployer et industrialiser un cadre de contrôle rigoureux pour les actifs financiers (Futures, Yields, FX, Index, Bonds) afin de garantir la fiabilité des modèles de recherche et des décisions de trading.

• Type de contrat : Freelance

• Durée : 6 mois

• Localisation : Paris

• Environnement technique : Python (Data Stack), SQL, Bloomberg/Reuters API, LLM/IA.

2. MISSIONS ET RESPONSABILITÉS

Axe 1 : Audit et Diagnostic (Phase d'Évaluation)

• Réaliser un audit complet des dimensions de qualité par classe d'actifs.

• Recenser l'existant (scripts épars, contrôles manuels) et identifier les zones de risque (gaps de couverture).

• Prioriser le backlog des anomalies historiques en collaboration avec les équipes Recherche et Prédiction.

Axe 2 : Industrialisation de la Qualité (Mise en œuvre)

• Développer une bibliothèque unifiée et modulaire de contrôles (en Python) intégrable aux pipelines de données.

• Assurer la remédiation du stock historique : investigation des causes racines, correction des données et résolution des litiges avec les fournisseurs (Bloomberg, etc.).

• Mettre en place des mécanismes de prévention pour bloquer les anomalies dès l'ingestion.

Axe 3 : Monitoring et Innovation

• Concevoir des dashboards de pilotage (KPI) pour monitorer la santé des données en temps réel.

• Développer un PoC basé sur les LLM pour automatiser la génération de nouveaux contrôles et faciliter l'analyse des causes racines (Root Cause Analysis).

• Rédiger le Playbook opérationnel (procédures de gestion d'incidents et workflows d'alerte).

PROFIL RECHERCHÉ

Compétences Techniques (Hard Skills)

• Expertise Data : Maîtrise avancée de Python (Pandas, Numpy) et de SQL pour l'analyse de gros volumes de données.

• Connaissance Marchés : Solide culture des instruments financiers (courbes de taux, contrats futures, mécanismes de change).

• Data Quality : Expérience dans la mise en place de frameworks de validation (gestion des outliers, tests de cohérence temporelle et cross-asset).

• Outils Fournisseurs : Expérience impérative avec les terminaux et API de données financières (Bloomberg B-Pipe/HAPI, Refinitiv).

• IA/LLM : Capacité à manipuler des API d'IA générative pour des cas d'usage de classification ou d'extraction de données.

Aptitudes Professionnelles (Soft Skills)

• Rigueur analytique : Capacité à remonter une chaîne complexe pour identifier l'origine d'une erreur.

• Communication d'influence : Savoir dialoguer avec des chercheurs (utilisateurs exigeants) et des fournisseurs de données (négociation technique).

• Autonomie et Leadership : Capacité à piloter un projet de bout en bout avec une approche "produit".