Chez Comet, nous faisons tout pour être data driven, data centric, data empowered !
De la mise en place de notre plateforme développée en interne communiquant avec notre ERP et notre CRM jusqu’à un data lake qui stocke et organise toutes nos data disponibles, pour en tirer les insights nécessaires à nos prises de décision, en passant bien sûr par les premières versions de notre moteur de matching…
Mais nous attaquons des sujets plus ardus, pour améliorer les performances de nos algorithmes, approfondir les sujets de search engine, de ranking, de machine learning, de graphes …
Tu rejoindras une équipe data (très douée !) de 4 personnes, mais qui n’a pas encore de profil Senior et dont tu deviendras le référent. Tu seras proche des équipes produit et dev, pour nous aider à progresser, et apprendre les best practices sur des cas concrets.
Tu seras au centre des différents départements opérationnels que tu impactes tous.
Si tu comprends l’état de l’art et la recherche fondamentale, tu es avant tout passionné de délivrer sur le terrain, et résoudre concrètement des cas réels.

Missions :

• Développer des pipelines de données scalables pour charger des données à partir de divers systèmes sources, python et dbt t’accompagneront pour ingérer et transformer les données; Airflow te permettra d’orchestrer et programmer les différents flux de données. Tout ça, en intégrant des structures de validation et d’alerte des données.
• Faire progresser l’expertise de l’équipe data, en délivrant toi-même et en coachant l’équipe.
• Améliorer les performances de nos outils de matching, par de nouvelles approches, nouvelles architectures, nouveaux algos, nouvelles idées.
• Améliorer notre approche de recherche et de qualification/enrichissement des freelancers qui forment notre “supply”.
• Continuer à insuffler une culture du résultats et de l’excellence tant intellectuelle qu’opérationnelle.

Stack:

Airflow, dbt, BigQuery, AWS, Neo4J, Kubernetes, Superset

• Data Scientist avec 5 ans d’XP, et un background qui inclut Data Enginenering et Data Analyse. Tu as travaillé sur des sujets de search engine, de scrapping, de machine learning, … Tu es un “doer” doué mais terre-à-terre.
• Tu as une expérience pertinente avec une connaissance détaillée des architectures techniques d’entrepôts de données, des composants d’infrastructure, des outils ETL/ ELT (airflow, dbt) et des outils de rapport/analyse.
• Tu as une expérience significative dans la traduction de besoins business en pipelines de données.
• Tu as une expérience significative avec un entrepôt de données cloud de type BigQuery, Redshift, Snowflake, etc.