Data Analyst

Description Intégrer Editus c’est se laisser séduire par une entreprise collaborative et « data oriented », qui place la donnée au cœur de ses métiers. Fun, Target et Team Spirit ça vous parle ? Ce sont justement les valeurs par lesquelles sont animés nos 135 collaborateurs Base de données référente au Luxembourg, Editus est aussi le Partenaire Marketing de nombreuses entreprises au niveau local. Notre ambition est de proposer à nos clients des solutions Marketing sur mesure et adaptées à leurs besoins. - Et si vous deveniez notre futur(e) Data Analyst (H/F) ? - Responsabilités: Rattaché(e) au Directeur Innovation & Technologie et en interaction régulière avec les services Marketing et Commercial, vos responsabilités seront les suivantes: -**:
- Analyse de données et modélisation des indicateurs métier**
- Explorer et analyser les jeux de données existants pour identifier les leviers d'exploitation métier
- Évaluer la qualité, la pertinence et la richesse des données collectées
- Traduire les problématiques business en analyses et en indicateurs exploitables, en lien direct avec les parties prenantes
- Concevoir les modèles de données adaptés aux indicateurs identifiés
- Développer et maintenir des tableaux de bord orientés décision -**:
- Gestion et supervision de la plateforme Data Cloud**
- Assurer la supervision opérationnelle de la plateforme Data POST (Hue, Zeppelin, Airflow à venir)
- Suivre son évolution, gérer les migrations, incidents et performances
- Garantir la disponibilité et la fiabilité des outils analytiques déployés -**:
- Conception et optimisation des pipelines de données**
- Développer et maintenir des pipelines de traitement de données (Python, PySpark)
- Optimiser les traitements pour garantir leur scalabilité et efficacité
- Participer à la structuration technique de l’écosystème analytique -**:
- Architecture, automatisation et CI/CD**
- Concevoir et opérer les environnements analytiques conteneurisés (Docker), du développement local à la production
- Orchestrer les traitements et livrables analytiques via Airflow (DAGs, dépendances, reprise sur incident, alerting)
- Intégrer les pratiques DevOps dans les projets data : versioning, tests automatisés, revue de code, reproductibilité des traitements
- Contribuer à la conception du backend data et à l'automatisation des flux de bout en bout -**:
- Innovation et data science**
- Conduire des POC autour de l’intelligence artificielle et du machine learning
- Utiliser les librairies Python (pandas, scikit-learn, matplotlib, etc.) pour expérimenter et proposer de nouveaux modèles
- Faire « parler » les données à travers des analyses prédictives ou exploratoires -**:
- Intelligence artificielle et exploitation des modèles de langage**
- Concevoir et industrialiser des cas d'usage IA sur le patrimoine de données (assistants d'accès à la donnée, extraction et structuration automatisées, enrichissement de contenu)
- Préparer le contexte nécessaire aux modèles : couche sémantique, documentation des métriques, savoir procédural sur les jeux de données
- Évaluer et maintenir la qualité des systèmes IA dans le temps : jeux d'évaluation sur questions métier réelles, mesure de la dérive, non-régression
- Encadrer les enjeux de fiabilité, de coût, de confidentialité et de conformité des traitements IA
- Assurer une veille active et arbitrer entre solutions internes et briques éditeurs -**:
- Pérennité et évolution de la solution Insights de mobilité**
- Assurer le maintien en conditions opérationnelles du produit : surveillance des traitements, traitement des anomalies, mise à jour des référentiels et des dépendances
- Garantir la reproductibilité et la traçabilité des résultats (versioning des jeux de données, des facteurs de projection et des méthodes de calcul)
- Faire évoluer le produit : nouvelles granularités, nouveaux indicateurs, extension à de nouveaux usages, contribution à la roadmap
- Documenter la solution, assurer le transfert de connaissance et porter la relation technique avec les partenaires - Compétences requises: Vous et vos points forts:
- Excellente maîtrise de Python et de ses librairies data (pandas, numpy, matplotlib, scikit-learn, etc.)
- Connaissance avancée de PySpark pour le traitement distribué
- Bonne pratique des outils de visualisation et d’analyse (Hue, Zeppelin,Power BI ou équivalent)
- Expérience en modélisation de données et création d’indicateurs
- Connaissance des workflows de traitement automatisés (Airflow souhaité)
- Compréhension des environnements CI/CD, backend data et gestion de plateforme cloud
- Sensibilité aux enjeux de qualité, gouvernance et sécurité des données
- Conteneurisation (Docker) et environnements reproductibles
- Connaissance CI/CD sous Azure DevOps
- Orchestration de workflows avec Airflow
- Conception et évaluation de systèmes basés sur des modèles de langage (prompting structuré, couche sémantique, jeux d'évals, mesure de dérive) Soft

Skills:
- Forte capacité d’an