Data Engineer
Il y a 1 semaine
Papeete, Polynésie française, France
Tahiti Numérique
Temps plein
Gratuit avec email ou Google
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
Gratuit avec email ou Google
Tahiti Numérique est une entreprise du digital basée à Papeete (Polynésie Française). Nos bureaux sont situés non loin du centre-ville, dans un bel immeuble avec une magnifique vue montagne et mer.
Dans le cadre de son développement, Tahiti Numérique recrute un DATA ENGINEER
- Participer aux ateliers de recueil des besoins avec les équipes métier et DSI.
- Élaborer le modèle de données décisionnel (ODS, DW, datamarts, référentiels).
- Concevoir et développer des tableaux de bord (PowerBI, ....)en lien avec les spécifications fonctionnelles.
- Développer des flux ETL pour l’extraction, la transformation et le chargement des données.
- Utiliser les outils ETL Talend, Talaxie, Dbt ou développer directement en Python
- Appliquer les règles de qualité des données (typage, filtrage, historisation, conformité RGPD).
- Documenter les traitements, les modèles et les indicateurs dans les outils collaboratifs.
- Contribuer à la maintenance corrective et évolutive des solutions livrées.
- Utiliser des outils et API IA (Claude Code, LLM, CursorAI...).
Formation & Expérience
- Bac+5 en informatique, data engineering ou équivalent.
- Minimum 3-5 ans d’expérience sur des projets Data, BI ou décisionnels complexes.
- Expérience confirmée dans la mise en œuvre de projets décisionnels ou data.
Compétences techniques
- Modélisation de données pour la BI
- Bases de données : PostgreSQL, SQL Server.
- Développement de flux ETL : Talend, Talaxie, Python, IA
- IA appliquée aux projets data et BI : maîtrise d’outils d’assistance et d’automatisation (LoveAble, CursorAI, ClaudeAI, ChatGPT, GitHub Copilot, outils d’IA générative dédiés à la data)
- IA & Training Models : entraînement de modèles (fine-tuning, modèles sur mesure, RAG, optimisation des prompts, préparation et gouvernance des datasets d’entraînement, pipelines MLOps de base)
- Documentation et gouvernance
- Respect des bonnes pratiques RGPD (anonymisation, pseudonymisation, traçabilité).
Savoir-être
- Rigueur technique et capacité d’analyse
- Autonomie, esprit d’initiative, écoute
- Aisance relationnelle avec les équipes métier et techniques
- Capacité à travailler en mode projet agile
- Qualités rédactionnelles et de documentation
- Maquettes fonctionnelles et modèles de données
- Dictionnaire des indicateurs et documentation projet
- Rapports de suivi d’anomalies et correctifs