Senior Data Analyst

Mission Structurer et piloter l’usage de la data dans l’entreprise : définir et faire vivre lesKPIs clés de l’entreprise garantir unedonnée fiable, bien modélisée, accessible et documentée offrir desdashboards clairs, actionnables et partagés installer une vraiegouvernance de la donnée(priorités, règles, ownership). Objectif : meilleure prise de décision, plus de focus business, plus de performance. L’équipe Data agit comme unlevier stratégiqueau service du Comex et des équipes Sales, Growth, Finance, CS. Elle garantit laqualité des données, lapertinence des modèles, lafiabilité du reportinget lacohérence de la vérité chiffréeà travers l’entreprise. Responsabilités 1. Leadership & gouvernance data Définir, prioriser et aligner laroadmap dataavec les enjeux business. Mettre en place unegouvernance claire: ownership des KPIs, règles de calcul, dictionnaire de données. Aligner les parties prenantes, du terrain jusqu’auCOMEX, sur les bons indicateurs à suivre. Challenger les demandes data pour focus sur ce qui crée le plus de valeur pour l’entreprise. 2. Analytics & dashboarding Concevoir, construire et maintenir lesdashboards cléspour les équipes métiers et le COMEX. Structurer et industrialiser ladéfinition des KPIs. Assurer lacohérence des chiffresentre les différents outils et rapports. Produire des analyses approfondies pour éclairer les décisions stratégiques (funnel sales, churn, pricing, usage produit…). 3. Modélisation & analytics engineering Concevoir et maintenir desmodèles de données robustes et pérennes(modélisation analytique, schémas en étoile, data marts…). Travailler main dans la main avec lesdata engineerssur le data warehouse et les flux de données. Mettre en place / faire évoluer lestransformations de donnéeset les bonnes pratiques d’analytics engineering (actuellement grâce à dbt). Structurer desdata sets “consommables”pour la BI, le reporting, les analyses ad hoc et les usages avancés (prédictif, scoring, etc.). 4. Outils & stratégie BI Piloter lastack BIexistante : maintenance, gouvernance des accès, bonnes pratiques. Participer auxchoix structurants d’outils(BI, tracking, catalogue de données, qualité, etc.) avec une vision globale entreprise. Standardiser lestemplates de dashboards et rapports. Identifier les frictions actuelles dans l’accès et l’usage de la donnée, et proposer des solutions scalables. Faire progresser l’entreprise dans le “self service analytics”, et déployer des agents d’aide à l’analyse de données, aussi bien au service de l’équipe data que des équipes métiers. 5. Collaboration et leadership Travailler étroitement avec le reste de l’équipe data. Travailler en lien direct avec leC-levelet les leaders métiers (Product, Growth, Sales, CS, Finance). Installer une culturedata-driven, pragmatique et orientée impact. Faciliter l’appropriation de la data par les équipes (formations, office hours, documentation). 6. Qualité, documentation & amélioration continue Mettre en place descontrôles qualitésur les données et les pipelines (tests, alertes, monitoring). Documenter les sources, les transformations, les tables, les KPIs et les dashboards de manière claire. Faire évoluer en continu les modèles et reports en fonction des besoins business. Promouvoir lesbonnes pratiques data: versioning, revue de code, revue de dashboards, nomenclatures communes. Profil recherché Expérience 8+ ans d’expérienceen Data (Data Analyst, Analytics Engineer, BI Analyst…), avec une forte exposition business. Expérience significative enmodélisation de données / analytics engineeringdans une stack data moderne (warehouse + outil de transformation + BI). Première expérience de leadership / rôle de référent(management direct ou lead fonctionnel). Une expérience dans un environnementSaaS / produit digital / scale-up est un plus. Compétences requises Compétences managériales & comportementales Capacité àaligner et challengerdes interlocuteurs de haut niveau (COMEX, directions métiers). À l’aise dans un rôleà la fois stratège et très hands-on. Forte orientationimpact business: prioriser ce qui compte vraiment pour l’entreprise. Capacité à rendre la datacompréhensible et actionnablepour des non-experts. Rigueur, sens de la qualité et culture du “single source of truth”. Esprit d’équipe, pédagogie et goût pour le travail transverse. Compétences techniques Maîtrise avancée de SQLet des bonnes pratiques de modélisation de données. Expérience concrète enanalytics engineering(ex : dbt ou équivalent, tests de données, CI, revue de code). Très bonne connaissance d’undata warehouse moderne(BigQuery, Snowflake, Redshift ou équivalent). Maîtrise d’au moins unoutil BI(Metabase, Looker, Power BI, Tableau, etc.) : modélisation, permissions, construction de dashboards. Bonne compréhension despipelines data(ETL/ELT) et du travail avec des data engineers. Capacité à structurer unetaxonomie de KPIset des conventions de tracking. La connaissance de Python ou R pour l’analyse avancée est un plus. Anglais professionnel. Soft skills Forteorientation “client interne”: comprendre les besoins métiers, les reformuler et les prioriser. Capacité à décider ettrancherdans des environnements ambigus ou changeants. Aisance à l’oral comme à l’écrit, y compris devant unCOMEX. Goût pour les systèmes bien pensés, les modèles propres, et l’amélioration continue. Stack actuelle Airbyte BigQuery Dagster dbt Metabase Datahub Hightouch Infra & Platform GCP Kubernetes Grafana Terraform GitHub ArgoWorklow & ArgoCD Notre process de recrutement Screening RH avec Thomas, Talent Acquisition Manager (30') Management Fit avec Ceydric, Engineering Manager (60') Restitution du Skill Test avec l'équipe Data (90') Stakeholders Fit avec des membres de l'équipe RevOps (45') Culture Fit 💶 Package : 55/65K€ #J-18808-Ljbffr