Vous êtes mordu(e) d’innovation et êtes prêt(e) à relever de nouveaux défis captivants ? Vous avez une envie de plonger tête la première dans l’univers démesuré du Marketing Digital ? Ne cherchez plus, Editus est l’entreprise qu’il vous faut !

Intégrer Editus c’est se laisser séduire par une entreprise collaborative et « data oriented », qui place la donnée au cœur de ses métiers.

Fun, Target et Team Spirit ça vous parle ? Ce sont justement les valeurs par lesquelles sont animés nos 135 collaborateurs !

Base de données référente au Luxembourg, Editus est aussi le Partenaire Marketing de nombreuses entreprises au niveau local. Notre ambition est de proposer à nos clients des solutions Marketing sur mesure et adaptées à leurs besoins.

Et si vous deveniez notre futur(e) Data Analyst (H/F) ?

Responsabilités

Rattaché(e) au Directeur Innovation & Technologie et en interaction régulière avec les services Marketing et Commercial, vos responsabilités seront les suivantes :

1. Analyse de données et modélisation des indicateurs métier

   
   

• Explorer et analyser les jeux de données existants pour identifier les leviers d'exploitation métier

• Évaluer la qualité, la pertinence et la richesse des données collectées

• Traduire les problématiques business en analyses et en indicateurs exploitables, en lien direct avec les parties prenantes

• Concevoir les modèles de données adaptés aux indicateurs identifiés

• Développer et maintenir des tableaux de bord orientés décision

2. Gestion et supervision de la plateforme Data Cloud 

• Assurer la supervision opérationnelle de la plateforme Data POST (Hue, Zeppelin, Airflow à venir)

• Suivre son évolution, gérer les migrations, incidents et performances

• Garantir la disponibilité et la fiabilité des outils analytiques déployés

3. Conception et optimisation des pipelines de données

• Développer et maintenir des pipelines de traitement de données (Python, PySpark)

• Optimiser les traitements pour garantir leur scalabilité et efficacité

• Participer à la structuration technique de l’écosystème analytique

4. Architecture, automatisation et CI/CD

• Concevoir et opérer les environnements analytiques conteneurisés (Docker), du développement local à la production

• Orchestrer les traitements et livrables analytiques via Airflow (DAGs, dépendances, reprise sur incident, alerting)

• Intégrer les pratiques DevOps dans les projets data : versioning, tests automatisés, revue de code, reproductibilité des traitements

• Contribuer à la conception du backend data et à l'automatisation des flux de bout en bout

5. Innovation et data science

• Conduire des POC autour de l’intelligence artificielle et du machine learning

• Utiliser les librairies Python (pandas, scikit-learn, matplotlib, etc.) pour expérimenter et proposer de nouveaux modèles

• Faire « parler » les données à travers des analyses prédictives ou exploratoires

6. Intelligence artificielle et exploitation des modèles de langage

• Concevoir et industrialiser des cas d'usage IA sur le patrimoine de données (assistants d'accès à la donnée, extraction et structuration automatisées, enrichissement de contenu)

• Préparer le contexte nécessaire aux modèles : couche sémantique, documentation des métriques, savoir procédural sur les jeux de données

• Évaluer et maintenir la qualité des systèmes IA dans le temps : jeux d'évaluation sur questions métier réelles, mesure de la dérive, non-régression

• Encadrer les enjeux de fiabilité, de coût, de confidentialité et de conformité des traitements IA

• Assurer une veille active et arbitrer entre solutions internes et briques éditeurs

7. Pérennité et évolution de la solution Insights de mobilité 

• Assurer le maintien en conditions opérationnelles du produit : surveillance des traitements, traitement des anomalies, mise à jour des référentiels et des dépendances

• Garantir la reproductibilité et la traçabilité des résultats (versioning des jeux de données, des facteurs de projection et des méthodes de calcul)

• Faire évoluer le produit : nouvelles granularités, nouveaux indicateurs, extension à de nouveaux usages, contribution à la roadmap

• Documenter la solution, assurer le transfert de connaissance et porter la relation technique avec les partenaires

Compétences requises

Vous et vos points forts :

• Excellente maîtrise de Python et de ses librairies data (pandas, numpy, matplotlib, scikit-learn, etc.)

• Connaissance avancée de PySpark pour le traitement distribué

• Bonne pratique des outils de visualisation et d’analyse (Hue, Zeppelin,Power BI ou équivalent)

• Expérience en modélisation de données et création d’indicateurs

• Connaissance des workflows de traitement automatisés (Airflow souhaité)

• Compréhension des environnements CI/CD, backend data et gestion de plateforme cloud

• Sensibilité aux enjeux de qualité, gouvernance et sécurité des données

• Conteneurisation (Docker) et environnements reproductibles

• Connaissance CI/CD sous Azure DevOps

• Orchestration de workflows avec Airflow 

• Conception et évaluation de systèmes basés sur des modèles de langage (prompting structuré, couche sémantique, jeux d'évals, mesure de dérive)

Soft Skills :

• Forte capacité d’analyse et de synthèse

• Esprit critique, rigueur intellectuelle

• Curiosité pour les données et leur potentiel caché

• Pédagogie et capacité à vulgariser des résultats complexes

• Esprit d’innovation et goût pour l’expérimentation

• Travail en équipe et bonne communication avec des interlocuteurs techniques et métiers

Formation et Expérience :

• Bac+5 (bac+3 à voir en fonction du profil) en statistiques, informatique, data science, ingénierie ou domaine équivalent

• 2 à 5 ans d’expérience dans un rôle mêlant analyse de données, modélisation et automatisation

• Expérience concrète dans la conduite d’analyses complexes et la réalisation de livrables orientés métier

• Idéalement, participation à des projets mêlant data engineering et data science