Data Architect

ph3Ce que vous ferez /h3 pVous apporterez une expertise dédiée en architecture de données pour analyser le paysage de données d'une organisation éducative, produire sa cartographie et sa modélisation conceptuelle et logique, et co-concevoir une architecture de données cible et une feuille de route de mise en œuvre avec les équipes internes. /p pIl s'agit d'une mission d'architecture et de cadrage. Vous produirez des modèles, des options argumentées, des décisions documentées et une feuille de route actionnable. Vous analyserez le paysage existant, modéliserez le domaine, instruirez et argumenterez les options d'architecture de données, et dériverez une trajectoire priorisée. Vous travaillerez en soutien des analystes métier et des architectes d'entreprise, en traduisant leur cadrage métier en exigences et modèles de données, et en coordination permanente avec les architectes solution qui gèrent la couche applicative. /p pVos activités incluront : /p pbCadrage et alignement /b /p ul liFaciliter des ateliers avec les analystes métier et l'équipe programme /li liDériver les objets de données à partir des capacités métier et des processus identifiés par les analystes métier et les architectes d'entreprise /li liFormuler les principes d'architecture de données applicables au programme et les aligner avec les principes d'entreprise /li /ul pbAnalyse AS-IS /b /p ul liInventorier les sources de données : applications, données de référence, bases de données, fichiers, échanges avec les administrations et établissements /li liCartographier les flux actuels : producteurs, consommateurs, fréquences, mécanismes d'échange, dépendances /li liIdentifier les points de douleur : silos, redondances, ressaisie, latence, défauts de qualité, zones sans propriétaire /li /ul pbModélisation du domaine /b /p ul liÉtablir les modèles conceptuels puis logiques des objets métier centraux (élèves, personnel, établissements, structures d'enseignement, etc.) /li liIdentifier les données de référence, désigner les systèmes maîtres et clarifier les règles de propriété des données /li liProduire un dictionnaire de données et les règles de qualité associées /li /ul pbArchitecture cible /b /p ul liInstruire les paradigmes réalisables (data hub, lakehouse, approche mesh fédérée, virtualisation) et les comparer dans le contexte des contraintes et ressources /li liConfronter ces options avec les architectes d'entreprise, les architectes solution et le centre de compétence data : la cible n'est pas prédéterminée et doit résulter de ce travail collectif /li liÉtablir les règles d'usage pour les patterns d'échange et d'exposition (API, event-driven, réplication, virtualisation, flux analytiques) : quel pattern pour quelle classe de besoin et sous quelles conditions /li liPositionner l'architecture cible par rapport aux plateformes et services partagés et à la stratégie data de l'organisation /li liTraduire les contraintes de sécurité, de protection des données personnelles, de souveraineté et de sobriété numérique en règles d'architecture applicables /li liVeiller à ce que l'architecture choisie ne ferme pas les cas d'usage analytiques et IA (qualité, traçabilité, accessibilité des données), sans préempter des cas d'usage spécifiques /li /ul pbPrérequis de gouvernance des données /b /p ul liDéfinir les fondations minimales de gouvernance nécessaires pour adopter l'architecture : rôles (data owner, data steward), instances, processus de décision /li liSpécifier le référentiel de métadonnées et le catalogue documenté attendus, ainsi que la gestion des droits d'accès /li liDécrire la mise en œuvre concrète du principe « une seule fois » pour le périmètre /li /ul pbTrajectoire et transfert /b /p ul liDécomposer la cible en lots de travail cohérents et définir des architectures de données de transition intermédiaires /li liPrioriser la feuille de route selon la valeur métier et le risque, en cohérence avec le calendrier du programme /li liAssurer le transfert de connaissances vers les équipes internes afin que les livrables restent utilisables après la fin de la mission /li /ul h3Ce que nous recherchons /h3 pbCompétences et expérience essentielles /b /p ul liModélisation conceptuelle et logique de données niveau expert : entité-relation / Merise, UML, ArchiMate ; modélisation dimensionnelle /li liCartographie de paysages de données niveau expert : sources, flux, applications, données de référence ; analyse d'écarts /li liCompréhension niveau expert des paradigmes d'architecture de données : hub, lakehouse, data mesh, data fabric, virtualisation ; capacité à les comparer et à arbitrer dans un contexte contraint /li liConnaissance niveau expert des données de référence et de la qualité : MDM, systèmes maîtres (SoR), dictionnaire de données, catalogue de métadonnées /li liExpérience confirmée avec les patterns d'échange et d'exposition : API, event-driven, réplication, virtualisation, flux analytiques ; connaissance des patterns et de leurs implicatio