Optimiser l'architecture cloud data et réduire coûts d'infrastru

Laotop; Paris (TX); On-site; USD 90,000 - 120,000; Full time

Job summary

Laotop recherche un spécialiste Data Engineering pour concevoir et déployer des pipelines data scalables sur AWS et réduire les coûts d’infrastructure. Le candidat analysera les objectifs métier et transformera ces objectifs en exigences techniques, en assurant la fiabilité des données.

Le rôle implique d’optimiser les coûts et de soutenir les comités de pilotage avec des dashboards financiers, tout en développant une routine en trois étapes pour prioriser le backlog technique et livrer de la

Qualifications

• Compétences en Spark, Airflow et AWS exigées.
• Capacité à analyser les objectifs métier et à transformer ces objectifs en exigences techniques.
• Compréhension des pipelines de données et des KPI financiers souhaitée.

Responsibilities

• Concevoir et mettre en place des pipelines data scalables sur AWS.
• Assurer la fiabilité des données pour les comités de pilotage et les tableaux de bord financiers.
• Optimiser les coûts d’infrastructure et contribuer à la stabilité des systèmes.
• Élaborer une routine en 3 étapes: relire les objectifs métier, identifier les blocages critiques et aligner le backlog technique.

Skills

Spark

Airflow

AWS

Job description

Objectif de la mission:

L'objectif est de contribuer à l'optimisation des systèmes informatiques et de réduire les coûts d'infrastructure en migrant vers AWS. L'utilisateur devra également concevoir des pipelines data scalables pour accroître leur valeur stratégique. Missions principales: Conception et mise en place de pipelines data scalables sur AWS Optimisation des systèmes informatiques pour réduire les coûts d'infrastructure Garantir la fiabilité des données pour les comités de pilotage et les tableaux de bord financiers Profil recherché: Compétences en Spark, Airflow et AWS Capacité à analyser les objectifs métier pour répondre prioritairement aux besoins techniques Le travail commence par la mise en place d'une routine de trois étapes:

1. Relire les objectifs métiers (pas seulement les tickets techniques)
2. Identifier le blocage ou l'opportunité la plus critique pour le métier
3. Aligner son backlog technique pour y répondre en priorité

La data est considérée comme ayant de la valeur si elle sert à une décision. Les pipelines ne sont pas construits simplement pour "faire de la data", mais pour améliorer une marge, réduire un délai ou sécuriser un processus. La question principale que l'utilisateur se pose à chaque début de semaine est: "Quelle tâche va générer le plus de valeur pour le métier cette semaine?"