Data Analyst Senior

**Mission**:

- Filiale du Groupe EDF, Datanumia est une société éditrice de logiciel spécialisée dans la valorisation de la donnée énergétique. Au quotidien, ce ne sont pas moins de 170 collaborateurs qui évoluent dans un écosystème innovant - mêlant IA, machine learning et IoT - et donnent du sens à notre raison d’être : permettre à chacun d’optimiser sa consommation d’énergie et son empreinte carbone en révélant tout le potentiel de la data. Plus de 12 millions de particuliers et 43 000 professionnels (tertiaire, industrie, collectivité) bénéficient ainsi de solutions digitales dédiées aux fonctionnalités avancées : suivi multi-fluides, répartition des usages, alertes en cas de dépassement de seuil ou encore plan d’actions d’économies d’énergie, les utilisateurs ont toutes les clés en main pour consommer moins, et mieux.

Au sein de l’équipe Data regroupant les Data Engineers, Data Analysts et Data Scientists, vous serez au carrefour des métiers de l'entreprise:

- Product Management
- Marketing / avant-vente
- Innovation
- UX / design
- Equipes de développement

Vous aurez accès à des données de consommation (relevés de compteurs communicants jusqu'au pas 30 min), et de profils utilisateurs de plus de 10 millions de logements et de bâtiments professionnels en France et en Europe, des données issues d'objets connectés et des données de tracking utilisateur, etc. Ces données vous seront mises à disposition sur une plateforme contenant un datalake et un datawarehouse. Les outils en place permettent un traitement optimisé des transformations de données, de leur visualisation et utilisation pour des modélisations algorithmiques. Votre rôle sera de faire en sorte que Datanumia s’appuie le plus possible sur ces données et ces outils pour permettre à l’entreprise et ses clients de prendre des décisions en s’appuyant sur des éléments objectifs.

**Vos missions**:
Contexte et prise de besoins
- Etre en lien avec les équipes sales, opération et produit pour la prise de besoin
- Définition de solution et proposition de démarche analytique
- Identification des sources de données nécessaires
- Définition du périmètre d’analyse, des métriques et dimensions pertinentes
- Contextualisation technique avec les équipes architecture et ops si nécessaire

Réalisation des études / reporting
- Traitement de données sur principalement sur le datawarehouse
- Automatisation des traitements de transformation, enrichissement de la plateforme data
- Analyses exploratoires/statistiques via Jupyter notebook ou l’outil de data visualisation
- Création de rapports automatisés sur l’outil de data visualisation
- Utilisation de l’outil de tracking
- Préparation de supports de restitution des travaux incluant les recommandations d’actions

Partage et communication
- Communiquer auprès des différents acteurs de l'entreprise pour insuffler et entretenir une culture data
- Formation interne pour le bon usage des rapports et études
- Suivi du déploiement du tracking sur les fronts de nos produits avec les PO et le DPO
- Partage des résultats
- Spécifications techniques et accompagnement pour l’industrialisation

**Profil**:
Vous avez un esprit analytique et savez conceptualiser une réponse technique complexe.

Vous avez une expérience réussie dans l’analyse de donnée et savez accompagner les équipes dans leurs prises de décisions.

Vous êtes intéressé par les enjeux sur la transition énergétique.

Vous êtes intéressé par les métiers de la data ; ingénierie, analyse et data science.

Vous êtes curieux, enthousiaste, et vos compétences relationnelles vous permettent de travailler avec tous les acteurs de l'entreprise:

- Travail en équipe
- Prise d’initiatives
- Très bonne communication
- Compréhension des enjeux métiers
- Vulgarisation et pédagogie
- Prise de parole
- Curiosité et Créativité
- Autonomie

Maitrise technique:

- Manipulation de données depuis un datalake et un DWH (idéalement stack AWS)
- Transformation de données en SQL / Python et automatisation de flux
- Outil de data visualisation : configuration, manipulation de jeux de données, visualisation (PowerBI, Quicksight, Tableau, Qlik etc.)
- Outils d’analyses des données de tracking (Piano, GA)
- Méthodes statistiques (prévision, classification)

Enfin, bénéficier de compétences parmi les suivantes serait un atout supplémentaire:

- Modélisation Data science en python (Deep learning / Machine learning)
- Méthodes Agiles
- Maîtrise d’environnements Linux, clouds (AWS) et de technologies Big Data (NoSQL, Scala/Spark)
- Software Craftmanship : Bonnes pratiques de développement, partage et capitalisation, gestion de version, tests