🎯 Mission

Structurer et piloter l’usage de la data dans l’entreprise :

• définir et faire vivre les KPIs clés de l’entreprise

• garantir une donnée fiable, bien modélisée, accessible et documentée

• offrir des dashboards clairs, actionnables et partagés

• installer une vraie gouvernance de la donnée (priorités, règles, ownership).

Objectif : meilleure prise de décision, plus de focus business, plus de performance.

L’équipe Data agit comme un levier stratégique au service du Comex et des équipes Sales, Growth, Finance, CS. Elle garantit la qualité des données, la pertinence des modèles, la fiabilité du reporting et la cohérence de la vérité chiffrée à travers l’entreprise.

⚙️ Responsabilités

1. Leadership & gouvernance data

• Définir, prioriser et aligner la roadmap data avec les enjeux business.

• Mettre en place une gouvernance claire : ownership des KPIs, règles de calcul, dictionnaire de données.

• Aligner les parties prenantes, du terrain jusqu’au COMEX, sur les bons indicateurs à suivre.

• Challenger les demandes data pour focus sur ce qui crée le plus de valeur pour l’entreprise.

2. Analytics & dashboarding

• Concevoir, construire et maintenir les dashboards clés pour les équipes métiers et le COMEX.

• Structurer et industrialiser la définition des KPIs.

• Assurer la cohérence des chiffres entre les différents outils et rapports.

• Produire des analyses approfondies pour éclairer les décisions stratégiques (funnel sales, churn, pricing, usage produit…).

3. Modélisation & analytics engineering

• Concevoir et maintenir des modèles de données robustes et pérennes (modélisation analytique, schémas en étoile, data marts…).

• Travailler main dans la main avec les data engineers sur le data warehouse et les flux de données.

• Mettre en place / faire évoluer les transformations de données et les bonnes pratiques d’analytics engineering (actuellement grâce à dbt).

• Structurer des data sets “consommables” pour la BI, le reporting, les analyses ad hoc et les usages avancés (prédictif, scoring, etc.).

4. Outils & stratégie BI

• Piloter la stack BI existante : maintenance, gouvernance des accès, bonnes pratiques.

• Participer aux choix structurants d’outils (BI, tracking, catalogue de données, qualité, etc.) avec une vision globale entreprise.

• Standardiser les templates de dashboards et rapports.

• Identifier les frictions actuelles dans l’accès et l’usage de la donnée, et proposer des solutions scalables.

• Faire progresser l’entreprise dans le “self service analytics”, et déployer des agents d’aide à l’analyse de données, aussi bien au service de l’équipe data que des équipes métiers.

5. Collaboration et leadership

• Travailler étroitement avec le reste de l’équipe data.

• Travailler en lien direct avec le C-level et les leaders métiers (Product, Growth, Sales, CS, Finance).

• Installer une culture data-driven, pragmatique et orientée impact.

• Faciliter l’appropriation de la data par les équipes (formations, office hours, documentation).

6. Qualité, documentation & amélioration continue

• Mettre en place des contrôles qualité sur les données et les pipelines (tests, alertes, monitoring).

• Documenter les sources, les transformations, les tables, les KPIs et les dashboards de manière claire.

• Faire évoluer en continu les modèles et reports en fonction des besoins business.

• Promouvoir les bonnes pratiques data : versioning, revue de code, revue de dashboards, nomenclatures communes.

👤 Profil recherché

Expérience

• 8+ ans d’expérience en Data (Data Analyst, Analytics Engineer, BI Analyst…), avec une forte exposition business.

• Expérience significative en modélisation de données / analytics engineering dans une stack data moderne (warehouse + outil de transformation + BI).

• Première expérience de leadership / rôle de référent (management direct ou lead fonctionnel).

• Une expérience dans un environnement SaaS / produit digital / scale-up est un plus.

🛠️ Compétences requises

Compétences managériales & comportementales

• Capacité à aligner et challenger des interlocuteurs de haut niveau (COMEX, directions métiers).

• À l’aise dans un rôle à la fois stratège et très hands-on.

• Forte orientation impact business : prioriser ce qui compte vraiment pour l’entreprise.

• Capacité à rendre la data compréhensible et actionnable pour des non-experts.

• Rigueur, sens de la qualité et culture du “single source of truth”.

• Esprit d’équipe, pédagogie et goût pour le travail transverse.

Compétences techniques

• Maîtrise avancée de SQL et des bonnes pratiques de modélisation de données.

• Expérience concrète en analytics engineering (ex : dbt ou équivalent, tests de données, CI, revue de code).

• Très bonne connaissance d’un data warehouse moderne (BigQuery, Snowflake, Redshift ou équivalent).

• Maîtrise d’au moins un outil BI (Metabase, Looker, Power BI, Tableau, etc.) : modélisation, permissions, construction de dashboards.

• Bonne compréhension des pipelines data (ETL/ELT) et du travail avec des data engineers.

• Capacité à structurer une taxonomie de KPIs et des conventions de tracking.

• La connaissance de Python ou R pour l’analyse avancée est un plus.

• Anglais professionnel.

Soft skills

• Forte orientation “client interne” : comprendre les besoins métiers, les reformuler et les prioriser.

• Capacité à décider et trancher dans des environnements ambigus ou changeants.

• Aisance à l’oral comme à l’écrit, y compris devant un COMEX.

• Goût pour les systèmes bien pensés, les modèles propres, et l’amélioration continue.

🎮 Stack actuelle

• Airbyte

• BigQuery

• Dagster

• dbt

• Metabase

• Datahub

• Hightouch

Infra & Platform

• GCP

• Kubernetes

• Grafana

• Terraform

• GitHub

• ArgoWorklow & ArgoCD

🎬 Notre process de recrutement

• Screening RH avec Thomas, Talent Acquisition Manager (30')

• Management Fit avec Ceydric, Engineering Manager (60')

• Restitution du Skill Test avec l'équipe Data (90')

• Stakeholders Fit avec des membres de l'équipe RevOps (45')

• Culture Fit

💶 Package : 55/65K€