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 :

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

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

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

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

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

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

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