Data Engineer — Spécialiste Données Industrielles

Au sein de la DPTD, le/la Data Engineer contribue à la conception, au développement et à l'industrialisation des pipelines de données pour des environnements industriels (OT/IT). Il/elle joue un rôle clé dans la valorisation des données de capteurs et de processus via des plateformes analytiques modernes.

Le poste implique une collaboration étroite avec les équipes métier (production, maintenance, qualité), les équipes IT et les data scientists, dans un contexte de transformation digitale industrielle.

Doté(e) d’une forte culture industrielle acquise sur le terrain, il/elle possède la capacité de donner du sens aux flux de données en comprenant la réalité opérationnelle des équipements (maintenance et production) et des besoins métiers.

Conception et développement de pipelines de données

▸  Concevoir, implémenter et maintenir des pipelines ETL/ELT dans Dataiku DSS

▸  Assurer l'intégration de sources hétérogènes

▸  Assurer la traduction des variables physiques (température, débit, pression, etc.) en assets de données exploitables par les métiers ou les équipes Data

▸  Garantir l'intégrité et la qualité des données en s'appuyant sur une connaissance des processus du site

▸  Être l'interlocuteur privilégié entre les équipes métiers et le pôle expertise Data

Traitement et analyse des séries temporelles

▸  Mettre en œuvre des pipelines dédiés aux données temporelles

▸  Appliquer des techniques de nettoyage spécifiques aux séries temporelles : détection d'anomalies, interpolation, rééchantillonnage

▸  Développer des indicateurs de performance et des cartes de contrôle (SPC) à partir de données de procédé

▸  Concevoir des solutions de stockage optimisées pour les séries temporelles dans PostgreSQL

Fiabilité, qualité et gouvernance

▸  Mettre en place des contrôles qualité automatisés sur les flux de données

▸  Documenter les pipelines, les modèles de données et les règles métier associées

▸  Veiller à la conformité des données (sécurité, traçabilité, RGPD si applicable)

▸  Participer aux revues de code et promouvoir les bonnes pratiques d'ingénierie

Support et évolution de la plateforme

▸  Maintenir et faire évoluer l'environnement Dataiku DSS (versions, plugins, connexions)

▸  Assurer la supervision et l'optimisation des performances des pipelines en production

Détail des compétences attendues :

▸  Dataiku DSS

–    Maîtrise des recettes Python, SQL et visuelles

–    Conception de projets Dataiku structurés (Flow, Datasets, Scénarios)

–    Connaissance des bundles et du déploiement en environnement de production

▸  Python

–    Manipulation de données temporelles

–    Développement de code propre, testé, documenté

▸  PostgreSQL

–    Conception de schémas relationnels performants, indexation avancée

–    Requêtes analytiques complexes, fenêtres temporelles, agrégations

–    Une expérience avec TimescaleDB ou extensions orientées séries temporelles serait un plus

▸  Séries temporelles

–    Connaissance des concepts : stationnarité, autocorrélation, saisonnalité, détection d'anomalies

–    Application à des contextes industriels : données capteurs, signaux procédé, indicateurs SPC

–    Connaissance des modèles ARIMA, SARIMA, Prophet, ou approches deep learning (optionnel)

▸  Rigueur et sens du détail dans le traitement des données critiques

▸  Capacité à traduire des besoins métier complexes en solutions techniques

▸  Autonomie, esprit d'initiative et organisation dans la gestion des priorités

▸  Excellente communication avec des interlocuteurs techniques et non-techniques

▸  Goût pour la documentation et le partage de connaissances

▸  Curiosité technologique et veille active sur les pratiques data engineering

▸  Expérience en environnement industriel (OT/IT, MES, SCADA, PI System)

▸  Capacité à vulgariser les enjeux Data auprès des opérationnels de terrain et, inversement, à traduire les besoins terrain en spécifications techniques pour l'équipe Data

▸  Capacité à corréler les signaux numériques (data) avec la réalité physique des machines (usure, dérive, pannes types)

▸  Capacité à interpréter les indicateurs (SPC, cartes de contrôle, capabilité) pour garantir que les pipelines de données répondent aux besoins métiers.

▸  Certifications Dataiku (Core, Advanced ou Expert Designer)