Analytics Engineer – Economie circulaire – H/F

L’entreprise accompagnée dans son recrutement CDI

Nous accompagnons aujourd’hui un acteur engagé dans l’économie circulaire , structurant une filière essentielle autour du cycle de vie des équipements électriques et électroniques.

Avec près de 200 collaborateurs et un chiffre d’affaires de plus de 300M€ , la structure est à taille humaine mais à impact réel .

Elle mobilise des centaines d’acteurs (producteurs, distributeurs, collectivités, prestataires logistiques, réseaux solidaires…) autour d’une mission d’intérêt général : prolonger la durée de vie des équipements, favoriser leur réemploi et assurer leur recyclage responsable.

L’environnement de travail est engagé, sérieux sans être rigide, avec une vraie culture de la montée en compétences.

Dans un contexte de transformation digitale et d’évolution de son SI, cette structure investit dans des solutions technologiques modernes pour améliorer la performance de ses services et soutenir ses missions environnementales.

Les missions / rôles

L’équipe Data est en cours de construction avec des projets structurants à fort impact : migration vers le cloud AWS , mise en place d’un datawarehouse centralisé, interconnexion des différentes sources métiers, et développement de cas d’usage autour de la data et de l’IA .

Dans ce contexte de construction de la plateforme data sur AWS , vous intervenez de bout en bout avec une forte dimension analytics engineering :

• Concevoir et maintenir des pipelines de données (ingestion, transformation, orchestration) et industrialiser les traitements via Databricks / Spark ou équivalent
• Participer à la mise en place du datawarehouse (modélisation, structuration en datamarts, fiabilisation des données)
• Garantir la qualité, la cohérence et la disponibilité des données (tests, monitoring, bonnes pratiques)
• Structurer et exposer les données pour les usages BI : datasets, indicateurs et tableaux de bord en lien étroit avec les équipes métiers
• Contribuer à des sujets ML / IA : préparation de datasets, collaboration sur des cas d’usage (prédiction, segmentation…) et premières briques d’industrialisation
• Évoluer en mode projet avec des interlocuteurs variés et participer activement à la structuration de l’équipe et des standards data

Stack data moderne : AWS (Athena, Glue, Lambda, …), Databricks, SQL, Python, outils BI (Power BI, Tableau, SAP, …), orchestration de pipelines (Airflow), ML / IA