Data ingénieur (H/F)
ALLEGIS GROUPSaaS B2BPubliée il y a 1 mois
~ 450 – 600 €/jFourchette estimée par FreelanceScope à partir du niveau d'expérience demandé : la source ne publie pas de TJM pour cette mission.
- Lieu
- Hauts-de-Seine · Sur site
- Durée
- 6 mois
- Démarrage
- 31 août 2026
- Expérience
- Confirmé (3-6 ans)
- Langues
- Français
- Contrat
- Freelance
Situer cette mission
Repères calculés par FreelanceScope sur les missions ouvertes de son catalogue — ils ne proviennent pas de l'annonce et n'engagent pas l'entreprise.
- Le TJM de cette mission se situe au-dessus de la médiane des 146 missions de votre métier et de votre séniorité de notre catalogue, dont la médiane est de 320 €/jour (moitié centrale : 205 à 525 €/jour).
- 2 % des missions data engineer de notre catalogue sont ouvertes en télétravail total.
- Compétences peu demandées ailleurs dans le catalogue : Pandas (11 missions), Airflow (23 missions), dbt (39 missions). À séniorité égale, une compétence rare se négocie mieux.
Profil confirmé (3-6 ans) · Comment ces repères sont calculés
La mission
TEKsystems recherche pour l'un de ses clients grand compte un(e) Data ingénieur (H/F)
Les tâches :
Établir et sécuriser des connexions techniques robustes et évolutives avec les systèmes sources Corporate identifiés (ERP, Plateformes Financières, RH, ITSM etc.).
Extraire et charger les données des domaines fonctionnels Corporate clés : finance, ressources humaines, référentiels, achats, etc.
Concevoir et implémenter des pipelines d'ingestion automatisés fiables et performants, garantissant l'intégrité et la fraîcheur des données.
Structurer et modéliser les données dans un entrepôt de données (Data Warehouse Snowflake) de manière logique, modulaire, réutilisable et optimisée pour l'analyse et la restitution.
Mettre en place des mécanismes de gouvernance des données : gestion des métadonnées, logiques de rafraîchissement, suivi de la qualité des données et gestion des erreurs.
Développer des vues et agrégats de données spécifiques aux besoins de restitution et d'analyse des différents départements Corporate.
Documenter de manière exhaustive les pipelines d'ingestion, les modèles de données (logique et physique), les règles de transformation et les points de reprise pour assurer la maintenabilité et la transférabilité.
Environnement technique
Sources : Multiples systèmes Corporate (Systèmes Financiers, Plateformes Achats, Outils ITSM. - via APIs, exports ou connecteurs natifs).
Destination : Snowflake(Data Warehouse Cloud).
Orchestration : Airflow.
Transformation : DBT Core / SQL, Python (Pandas/PySpark) ou équivalent.
Modélisation : DrawIO, Lucidchart ou autre support outil libre.
Visualisation / Restitution : Tableau.
CI/CD / versioning : GitLab, GitHub.
Documentation : Confluence, Jira, SharePoint.
Compétences attendues
Indispensables
- Snowflake
- Airflow
- dbt
- SQL
- Python
- Pandas
- Tableau
- CI/CD
Appréciées
- Documentation
- Jira