Senior Analytics Engineer – Manufacturing Analytics

Le contexte

Tu rejoins les équipes data d'un grand groupe pharmaceutique international pour travailler sur des applications stratégiques de pilotage de la production industrielle.

Ton rôle est de transformer des données manufacturing complexes en signaux actionnables pour les équipes terrain : suivi de flux, détection de blocages, métriques opérationnelles en temps quasi-réel. Tu travailles en proximité avec les data engineers, les équipes site et les stakeholders manufacturing pour garantir que les modèles analytiques reflètent fidèlement la réalité du terrain.

Responsabilités

• Concevoir et maintenir les modèles de données analytiques alimentant des KPI widgets opérationnels

• Implémenter des logiques de scoring et de contrôle statistique des métriques de production (drift detection, variability limits)

• Évaluer la disponibilité des données across les systèmes sources (SAP, historians, MES) et définir les stratégies de refresh adaptées

• Collaborer avec les data engineers sur les pipelines et stratégies de cache pour minimiser la latence des dashboards

• Travailler avec les équipes site pour cartographier les règles métier et valider les modèles analytiques

Stack technique

Must-have

• dbt / SQL — requêtes avancées sur de larges datasets manufacturing

• Snowflake — optimisation data warehouse

• Python — pandas, scripting, analyse statistique

• Statistical process control — variability limits, drift detection, modélisation prédictive

• Dashboard & data viz — développement de widgets opérationnels

• Data modeling — star schema, modèles analytiques pour dashboards opérationnels

• Anglais courant (obligatoire)

Nice-to-have

• Historian systems / MES / LIMS

• Real-time data ingestion patterns

• Processus pharmaceutiques — GMP, batch records

• Process mining tools

• Lean Six Sigma

• GenAI & workflows agentiques

Profil recherché

Autonome, structuré(e), à l'aise pour expliquer des arbitrages techniques à des interlocuteurs métier comme engineering. Tu sais prendre en main un sujet complexe sans attendre qu'on te mâche le travail.

• dbt / SQL — niveau avancé, indispensable

• Snowflake — utilisation régulière en contexte data warehouse

• Python — pandas, scripting analytique

• Statistical process control — variability limits, drift detection

• Dashboard & data viz — expérience de développement de widgets opérationnels

• Data modeling — star schema, modèles analytiques

• Contexte manufacturing ou industrie — une vraie expérience terrain est un avantage fort

• Anglais courant — obligatoire

• Historian systems / MES / LIMS — apprécié

• Processus pharmaceutiques / GMP — apprécié

• GenAI & workflows agentiques — apprécié