Data Engineer Python Sénior H/F Skiils

Le besoin

L'Analytics Factory d'un grand acteur français de la grande distribution est le pilier de la transformation data de l'entreprise, au service des équipes métier (Marketing, Marchandises, Exploitation, E-commerce, Supply Chain, Services Financiers...).

Au sein de l'équipe AI Supply Chain, vous contribuerez à l'industrialisation et à l'optimisation des flux de données qui alimentent les moteurs de prévision : prévision des ventes en magasin et en entrepôt, lissage des charges logistiques, optimisation de l'approvisionnement.

Vous intégrerez une équipe agile composée de Data Scientists, Data Translators et Data Engineers, avec la présence d'un Tech Lead.

Missions & livrables

• Architecture & pipelines data: Concevoir, développer et maintenir des pipelines d'ingestion et de transformation fiables, robustes et à forte volumétrie (ventes, stocks, promotions, données logistiques).

• Industrialisation ML & MLOps: Structurer les environnements de déploiement et collaborer étroitement avec les Data Scientists pour intégrer les modèles de prévision de la demande dans des pipelines de production automatisés et performants.

• Performance, observabilité & qualité: Suivre la qualité, la fraîcheur et la cohérence des données, tout en optimisant les coûts et les temps d'exécution sur le cloud.

• Gouvernance & bonnes pratiques: Appliquer la Definition of Done de l'équipe (tests automatisés, documentation, versioning) et contribuer à la communauté Data Engineering.

Outils & Environnement

Must Have

• Maîtrise de SQL avancé et de Python orienté data / ingénierie.

• Pratique confirmée de Google Cloud Platform pour l'orchestration et le traitement de données à grande échelle : BigQuery, Cloud Composer / Airflow, Cloud Storage.

• Solides concepts de génie logiciel : code propre et modulaire, gestion des versions avec Git, tests automatisés (unitaires / intégration) et conteneurisation.

Nice to Have

• Développement d'applications robustes et scalables avec Python et ses bibliothèques data (Pandas, NumPy) et web (Django, Flask, FastAPI, Requests).

• Architectures microservices et event-driven.

• Gestion de bases de données relationnelles et orientées document.

• Pratiques DevOps / CI-CD et principes d'observabilité (monitoring, diagnostic).

• Craftsmanship : SOLID, YAGNI, couverture de tests (Sonar).

• Participation à l'ensemble du cycle logiciel, de la conception au run.

• Capacité à encadrer, mentorer et challenger une équipe de développeurs.

• Méthodes agiles, notamment Scrum.