Analytics Engineer Korben for people
Veuillez fournir la description de votre entreprise.
Permanent
Paris
Occasional remote
Salary: Not specified
5 years of study
Skills we're looking for
Quality control
Technical aptitude
Documentation management
Continuous integration
Diagnostic skills
+19
You'll be part of
36 employees
Intelligence artificielle / Machine Learning
Robotique
Average age: 36
Founded in 2025
Revenue: 6M €
Employee turnover: 1
Korben for People est une entreprise française spécialisée dans la robotique de service et l’automatisation des environnements professionnels.
Nous déployons des robots autonomes pour le nettoyage, la logistique, la livraison et l’accueil, afin d’automatiser les tâches répétitives et permettre aux collaborateurs de se concentrer sur les missions à plus forte valeur ajoutée.
Notre différence repose sur une approche complète associant hardware, software et services : robots, déploiement, maintenance et plateforme logicielle de pilotage.
Notre ambition est de construire une véritable infrastructure européenne de la robotique de service, capable de simplifier le déploiement et la gestion de flottes de robots à grande échelle, avec une attention particulière portée à la data, à la sécurité et à la souveraineté numérique.
Notre vision : mettre la robotique au service de l’humain, en libérant les équipes des tâches pénibles et répétitives plutôt qu’en cherchant à les remplacer.
You'll be working on
Chez Korben, nous développons et déployons des solutions de robotique de service pour transformer les opérations des entreprises.
Avec plus de 1500 sites actifs en 2027, nous entrons dans une nouvelle phase d’accélération. Pour accompagner cette croissance, nous voulons faire de la donnée un véritable levier de performance, de productivité et de prise de décision.
Nous recherchons notre premier Data & Analytics Engineer pour construire et structurer notre fonction Data.
Ta mission : maîtriser toute la chaîne de valeur de la donnée, de sa création jusqu’à son exploitation.
Tu ne seras pas simplement chargé de connecter des outils ou de construire des dashboards. Tu devras comprendre les besoins métier, identifier les données nécessaires, organiser leur collecte, les fiabiliser, les analyser et les transformer en recommandations concrètes et en automatisations.
Rattaché directement au Chief Strategy & Operating Officer (CSOO), tu travailleras en étroite collaboration avec le VP Product & Engineering et l’ensemble des équipes métier.
Tes responsabilités
1. Construire et structurer notre fonction Data
Définir la roadmap Data et prioriser les projets selon leur impact business.
Concevoir une architecture Data robuste, pragmatique et scalable.
Structurer les modèles de données, les référentiels communs et les règles de gouvernance.
Identifier les données manquantes et concevoir les champs, formulaires et mécanismes nécessaires pour les collecter.
Construire une source de vérité commune pour les principaux indicateurs de l’entreprise.
2. Collecter, connecter et fiabiliser les données
Centraliser les données provenant de nos différents outils : HubSpot, Odoo, WMS, Notion etc…
Développer et maintenir les pipelines ETL/ELT et les connexions API.
Exploiter des sources externes, notamment par scraping lorsque nécessaire.
Nettoyer, dédupliquer et normaliser les données existantes.
Auditer et améliorer la qualité de notre environnement HubSpot.
Automatiser les contrôles de qualité et supprimer les doubles saisies.
3. Analyser les performances et éclairer les décisions avec les responsables de pôle
Construire les KPIs et dashboards des différentes fonctions : Sales, Customer Success, Support, Field Operations, Supply Chain et Finance.
Analyser les performances commerciales, financières et opérationnelles.
Identifier les anomalies, les tendances et les leviers d’amélioration.
Produire des analyses de rentabilité, de productivité et de qualité de service.
Formuler des recommandations business concrètes, chiffrées et actionnables.
Mesurer l’impact des actions engagées et accompagner les responsables métier dans l’amélioration continue.
4. Automatiser les processus opérationnels
Identifier les tâches répétitives et les opportunités d’automatisation.
Concevoir des workflows entre les différents outils de l’entreprise.
Automatiser les alertes, les contrôles, les relances et les reportings.
Développer des automatisations via API, Python, n8n ou les workflows natifs des outils.
Explorer les applications pertinentes de l’IA dans l’automatisation des opérations.
Mesurer les gains de productivité et le ROI des solutions déployées.
5. Optimiser notre stack Data
Auditer les outils et les flux existants.
Identifier les solutions redondantes, sous-exploitées ou inadaptées.
Recommander les technologies les plus pertinentes : Data Warehouse, ETL/ELT, BI et automatisation.
Collaborer avec le CTO sur les choix d’architecture et leur mise en œuvre.
Mesurer les coûts, l’utilisation et le ROI de nos investissements Data.
Tes premières priorités
Dès les premiers mois, tu travailleras sur des problématiques concrètes : fiabiliser les données HubSpot, structurer les indicateurs de performance opérationnelle, automatiser les premiers processus et permettre aux équipes de prendre des décisions à partir de données fiables.
À terme, ton objectif sera de construire une fonction Data capable d’accompagner durablement la croissance de Korben.
Chez nous, la valeur d’une donnée ne réside pas dans son stockage, mais dans ce qu’elle permet de comprendre, de décider et d’améliorer.
We're looking for
Nous recherchons un profil technique, analytique, autonome et résolument orienté business.
Tu aimes autant construire des solutions que comprendre les problèmes qu’elles permettent de résoudre.
Tu es capable de partir d’une donnée dispersée, de concevoir une architecture cohérente, de développer les flux nécessaires, puis d’exploiter les résultats pour améliorer les performances de l’entreprise.
Tes compétences techniques
Data Engineering & Analytics
Excellente maîtrise de SQL et de la modélisation de données.
Expérience des pipelines ETL/ELT et des architectures Data Warehouse.
Maîtrise d’un outil de Business Intelligence : Metabase, Power BI, Looker ou équivalent.
Bonne compréhension des enjeux de data quality, de gouvernance et de documentation.
Capacité à construire des analyses et à traduire les résultats en recommandations business.
Intégration & Automatisation
Bonne maîtrise de Python et des APIs REST.
Expérience concrète de l’automatisation de processus via n8n ou des solutions équivalentes.
Capacité à connecter et à faire communiquer des environnements SaaS.
Connaissance des méthodes de scraping, de transformation et d’intégration de données.
Outils & compréhension métier
Bonne connaissance de HubSpot ou d’un CRM comparable.
Excellente maîtrise de Google Sheets.
Capacité à comprendre et modéliser des processus opérationnels.
Sensibilité aux enjeux de performance, de rentabilité et de productivité.
Ce qui fera la différence
Tu disposes idéalement de 3 à 6 ans d’expérience en Data Engineering, Analytics Engineering ou sur un poste hybride.
Tu as déjà participé à la construction ou à la structuration d’un environnement Data en startup ou scale-up.
Tu es capable de prendre un projet de bout en bout, de la compréhension du besoin jusqu’à la mise en production.
Tu sais challenger les demandes métier et proposer des solutions pragmatiques.
Tu fais preuve d’autonomie, de curiosité et d’un fort sens des responsabilités.
Une expérience dans un environnement associant software, hardware et opérations physiques est un véritable plus.
Notre état d’esprit
Korben est une entreprise en forte accélération. Nous construisons, testons, améliorons et déployons rapidement.
Nous recherchons des personnes qui aiment les environnements exigeants, où les responsabilités sont réelles, les décisions rapides et l’impact directement mesurable.
Tu n’attends pas qu’un problème soit parfaitement cadré pour commencer à le résoudre. Tu sais structurer l’ambiguïté, prendre des initiatives et avancer avec pragmatisme.
Benefits
How we hire
1. Premier échange — Chief Strategy & Operating Officer (30 min)
2. Cas pratique & entretien métier
3. Échange technique — VP Product & Engineering (30 à 45 min)
