Vous êtes mordu(e) d’innovation et êtes prêt(e) à relever de nouveaux défis captivants ? Vous avez une envie de plonger tête la première dans l’univers démesuré du Marketing Digital ? Ne cherchez plus, Editus est l’entreprise qu’il vous faut !
Intégrer Editus c’est se laisser séduire par une entreprise collaborative et « data oriented », qui place la donnée au cœur de ses métiers.
Fun, Target et Team Spirit ça vous parle ? Ce sont justement les valeurs par lesquelles sont animés nos 135 collaborateurs !
Base de données référente au Luxembourg, Editus est aussi le Partenaire Marketing de nombreuses entreprises au niveau local. Notre ambition est de proposer à nos clients des solutions Marketing sur mesure et adaptées à leurs besoins.
Et si vous deveniez notre futur(e) Data Analyst (H/F) ?
Responsabilités
Rattaché(e) au Directeur Innovation & Technologie et en interaction régulière avec les services Marketing et Commercial, vos responsabilités seront les suivantes :
Analyse de données et modélisation des indicateurs métier
Explorer et analyser les jeux de données existants pour identifier les leviers d'exploitation métier
Évaluer la qualité, la pertinence et la richesse des données collectées
Traduire les problématiques business en analyses et en indicateurs exploitables, en lien direct avec les parties prenantes
Concevoir les modèles de données adaptés aux indicateurs identifiés
Développer et maintenir des tableaux de bord orientés décision
Gestion et supervision de la plateforme Data Cloud
Assurer la supervision opérationnelle de la plateforme Data POST (Hue, Zeppelin, Airflow à venir)
Suivre son évolution, gérer les migrations, incidents et performances
Garantir la disponibilité et la fiabilité des outils analytiques déployés
Conception et optimisation des pipelines de données
Développer et maintenir des pipelines de traitement de données (Python, PySpark)
Optimiser les traitements pour garantir leur scalabilité et efficacité
Participer à la structuration technique de l’écosystème analytique
Architecture, automatisation et CI/CD
Concevoir et opérer les environnements analytiques conteneurisés (Docker), du développement local à la production
Orchestrer les traitements et livrables analytiques via Airflow (DAGs, dépendances, reprise sur incident, alerting)
Intégrer les pratiques DevOps dans les projets data : versioning, tests automatisés, revue de code, reproductibilité des traitements
Contribuer à la conception du backend data et à l'automatisation des flux de bout en bout
Innovation et data science
Conduire des POC autour de l’intelligence artificielle et du machine learning
Utiliser les librairies Python (pandas, scikit-learn, matplotlib, etc.) pour expérimenter et proposer de nouveaux modèles
Faire « parler » les données à travers des analyses prédictives ou exploratoires
Intelligence artificielle et exploitation des modèles de langage
Concevoir et industrialiser des cas d'usage IA sur le patrimoine de données (assistants d'accès à la donnée, extraction et structuration automatisées, enrichissement de contenu)
Préparer le contexte nécessaire aux modèles : couche sémantique, documentation des métriques, savoir procédural sur les jeux de données
Évaluer et maintenir la qualité des systèmes IA dans le temps : jeux d'évaluation sur questions métier réelles, mesure de la dérive, non-régression
Encadrer les enjeux de fiabilité, de coût, de confidentialité et de conformité des traitements IA
Assurer une veille active et arbitrer entre solutions internes et briques éditeurs
Pérennité et évolution de la solution Insights de mobilité
Assurer le maintien en conditions opérationnelles du produit : surveillance des traitements, traitement des anomalies, mise à jour des référentiels et des dépendances
Garantir la reproductibilité et la traçabilité des résultats (versioning des jeux de données, des facteurs de projection et des méthodes de calcul)
Faire évoluer le produit : nouvelles granularités, nouveaux indicateurs, extension à de nouveaux usages, contribution à la roadmap
Documenter la solution, assurer le transfert de connaissance et porter la relation technique avec les partenaires
Compétences requises
Vous et vos points forts :
Excellente maîtrise de Python et de ses librairies data (pandas, numpy, matplotlib, scikit-learn, etc.)
Connaissance avancée de PySpark pour le traitement distribué
Bonne pratique des outils de visualisation et d’analyse (Hue, Zeppelin,Power BI ou équivalent)
Expérience en modélisation de données et création d’indicateurs
Connaissance des workflows de traitement automatisés (Airflow souhaité)
Compréhension des environnements CI/CD, backend data et gestion de plateforme cloud
Sensibilité aux enjeux de qualité, gouvernance et sécurité des données
Conteneurisation (Docker) et environnements reproductibles
Connaissance CI/CD sous Azure DevOps
Orchestration de workflows avec Airflow
Conception et évaluation de systèmes basés sur des modèles de langage (prompting structuré, couche sémantique, jeux d'évals, mesure de dérive)
Soft Skills :
Forte capacité d’analyse et de synthèse
Esprit critique, rigueur intellectuelle
Curiosité pour les données et leur potentiel caché
Pédagogie et capacité à vulgariser des résultats complexes
Esprit d’innovation et goût pour l’expérimentation
Travail en équipe et bonne communication avec des interlocuteurs techniques et métiers
Formation et Expérience :
Bac+5 (bac+3 à voir en fonction du profil) en statistiques, informatique, data science, ingénierie ou domaine équivalent
2 à 5 ans d’expérience dans un rôle mêlant analyse de données, modélisation et automatisation
Expérience concrète dans la conduite d’analyses complexes et la réalisation de livrables orientés métier
Idéalement, participation à des projets mêlant data engineering et data science