Head of Data / Data science tech lead

Nous recherchons un Head of Data capable de construire et piloter la stratégie Data de l’entreprise. Le rôle consiste à structurer le département Data, encadrer l’équipe existante de Data Scientists, développer l’infrastructure Data, fiabiliser les analytics et piloter les projets d’IA et d’automatisation. Le Head of Data aura pour mission de transformer les données issues de nos plateformes et partenaires en insights, automatisations et fonctionnalités intelligentes à forte valeur ajoutée. Ce poste joue un rôle stratégique dans l’entreprise et travaille en étroite collaboration avec le CTO, les équipes produit et les équipes engineering. Contexte L’entreprise développe plusieurs produits digitaux dans l’écosystème :
● influence marketing
● creator economy
● e-commerce analytics
● gestion de campagnes
● plateformes SaaS
● applications mobiles Ces produits génèrent un volume important de données issues notamment de :
● tracking de campagnes
● interactions utilisateurs
● ventes e-commerce
● réseaux d’affiliation
● analytics marketing L’objectif est désormais de structurer un département Data capable de valoriser ces données pour améliorer les produits, automatiser certaines opérations et développer des fonctionnalités d’intelligence artificielle.

Mission principale
● Définir et piloter la stratégie Data de l’entreprise, incluant l’architecture Data, la
gouvernance des données et la roadmap analytics et IA.
● Concevoir et superviser la plateforme Data (pipelines ETL, data warehouse,
modélisation des données et centralisation des différentes sources de données).
● Développer et fiabiliser les analytics et le reporting, en mettant en place des
dashboards et indicateurs permettant de suivre la performance des produits, des
campagnes et de l’activité.
● Piloter les projets d’intelligence artificielle et de machine learning visant à améliorer
les produits et les performances de la plateforme (scoring, recommandations, détection
d’anomalies, automatisation).
● Automatiser les workflows Data et reporting afin d’améliorer la fiabilité des données et
de réduire les traitements manuels.
● Encadrer et faire grandir l’équipe Data, structurer les méthodes de travail et prioriser les
projets.
● Garantir la qualité, la fiabilité et la gouvernance des données au sein de l’entreprise.
● Agir comme référent Data auprès de la direction et des équipes produit et
engineering, en transformant les analyses en recommandations stratégiques.
Environnement technique
L’environnement technologique comprend notamment :
● Python et SQL avancé
● FastAPI ou frameworks API Python similaires

● Airflow / orchestration de pipelines
● ZenML ou outils comparables de pipeline ML
● MLflow / gestion du cycle de vie des modèles
● ClickHouse, PostgreSQL, Redis
● MinIO ou solutions de stockage objet
● concepts de recommandation, indexation vectorielle et outils comme FAISS
● Prometheus, Grafana et bonnes pratiques d’observabilité ● Docker / Docker Compose
● bonnes bases en MLOps, industrialisation ML et automatisation Data Expérience Le candidat idéal possède :
● 6 à 10 ans d’expérience dans des rôles Data
● expérience dans des environnements SaaS, e-commerce ou plateformes digitales
● expérience dans la mise en place d’infrastructures Data
● expérience dans la gestion ou le mentoring d’équipes Data
● expérience dans le développement de projets analytics et machine learning
Compétences techniques

● Maîtrise de Python et SQL avancé pour l’analyse de données, le développement de pipelines Data et les projets de machine learning.

● Expérience dans la conception et la gestion de pipelines de données (ETL/ELT), l’orchestration de workflows et l’automatisation des traitements Data.

● Bonne connaissance des architectures Data modernes, incluant data warehouse, modélisation de données, centralisation des sources et gestion de volumes importants de données.

● Expérience dans le développement et l’industrialisation de modèles de machine learning et de systèmes de recommandation ou de scoring.

● Connaissance des outils MLOps et d’orchestration de pipelines ML (par exemple Airflow, ZenML, MLflow ou outils équivalents).

● Expérience avec des bases de données analytiques et systèmes de stockage de données (par exemple ClickHouse, PostgreSQL, Redis ou technologies similaires). ● Bonne compréhension des architectures API et microservices Data (FastAPI ou frameworks similaires).

● Expérience avec les outils de monitoring et d’observabilité pour les systèmes Data et ML (Prometheus, Grafana ou équivalents).

● Maîtrise des environnements conteneurisés et des workflows DevOps pour les projets Data (Docker, pipelines CI/CD).

● Expérience dans la mise en place de dashboards analytiques et d’outils BI permettant de transformer les données en insights exploitables.