Developer & Data Analyst

Le rôle combine les compétences de Data Analyste et Developer pour contribuer à la transformation de la société vers une prise de décision basée sur les données (data-driven decision making). Vos misions seront : Collecter, analyser, enrichir et transformer les données internes et externes pour améliorer les processus décisionnels au sein des différentes équipes (commerciales, logistique, comptabilité, marketing, etc.). Votre première mission principale sera de créer un système de gestion des actifs numériques (DAM) pour gérer efficacement les images et documents liés aux produits. Tâches opérationnelles et responsabilités • Création du Digital Asset Management (DAM) : Développer une plateforme interne pour la gestion, le stockage et la recherche d'images et de documents associés aux produits. Le DAM devra permettre une organisation efficace, un accès rapide et une gestion de versions des assets numériques. • Collecte et traitement des données : Identifier les flux de données nécessaires et récupérer les données internes (ERP, CRM, etc.) ainsi que des sources externes (scraping de sites concurrents, données publiques, etc.) pour enrichir les analyses. • Analyse des données : Effectuer des analyses avancées des données en utilisant des outils comme Python (pandas, scikit-learn), PowerBI pour créer des rapports et dashboards adaptés aux besoins des équipes business. • Création de Dashboards : Concevoir et maintenir des dashboards PowerBI pour faciliter la prise de décision au sein des équipes commerciales et autres départements. • Développement d'outils et d'analyses : Programmer des solutions en Python et d'autres technologies web (Javascript, Node.js, React) pour répondre aux besoins des équipes métier et faciliter l’accès à l'information. • Proposer des solutions IA : Identifier des cas d’usage pour l’intégration de l’intelligence artificielle afin d'améliorer la prise de décision et optimiser les processus métier. • Collaboration inter-équipes : Travailler en étroite collaboration avec les équipes commerciales, logistique, marketing et autres départements pour comprendre leurs besoins et leur fournir des analyses pertinentes. • Autonomie et formation continue : Apprendre de manière autonome, être proactif dans la mise à jour des connaissances techniques et appliquer les nouvelles technologies pour l’enrichissement des données et l'amélioration des processus. Objectifs/indicateurs d'activité • Déploiement du DAM : Réussite de la mise en place du Digital Asset Management, en assurant sa facilité d'utilisation et son adoption par les équipes internes. • Précision des données : Garantir que les données collectées sont pertinentes, exactes et fiables pour les analyses et décisions. • Utilisation des dashboards : Nombre d’utilisateurs actifs des dashboards PowerBI et satisfaction des équipes métiers concernant la qualité des rapports. • Progrès dans l’adoption des décisions data-driven : Mesurer l'impact des décisions basées sur les données dans la performance des équipes métiers. • Intégration d’IA : Nombre d’initiatives d’IA mises en place et leur impact sur les processus décisionnels et la performance. • Respect des délais : Gestion efficace des projets et respect des échéances dans la collecte et la mise en œuvre des solutions analytiques. Liens hiérarchiques et fonctionnels • Hiérarchique : Rattaché(e) au responsable de la Data Science ou du département Informatique. • Fonctionnels : Collaboration avec les responsables des départements commerciaux, marketing, logistique, et autres départements métiers pour bien comprendre leurs besoins et leur fournir des outils et analyses. Délégations de pouvoir, habilitations, qualifications • Habilitations : Accès aux bases de données internes et externes de l'entreprise dans le cadre de l’analyse des données. • Qualifications : Compétences avancées en Python, JavaScript, PowerBI, scraping, IA, et gestion de projets data. Formations / compétences requises • Compétences techniques : o Maîtrise des langages Python, JavaScript, Node.js, React. o Expertise avec les outils de data science : pandas, scikit-learn, Jupyter Notebook. o Bonne maîtrise de PowerBI pour la création de dashboards interactifs. o Expérience avec la gestion de versions via Git, et l’utilisation de Visual Studio et des environnements virtuels. o Expérience de scraping et collecte de données externes. o Connaissances sur les plateformes Azure et gestion de données sur cloud. • Compétences interpersonnelles : o Capacité à travailler de manière autonome et à s’adapter rapidement. o Compétences en gestion relationnelle pour interagir efficacement avec des équipes aux objectifs parfois divergents. o Forte capacité d’apprentissage et d'adaptation aux nouvelles technologies.

Location: Paris, FR

Posted Date: 1/15/2025