Spécialiste Data

Spécialiste Data (Data Architect) (JP )

De organisatie recherche un Data Architect pour :

• Contribuer à la mise en place de la Data Architecture Azure utilisée par la Ville de Bruxelles;
• Contribuer au projet de jumeaux numériques (Digital Twins) de la Ville de Bruxelles orienté sur les îlots de chaleur;
• Assist sur le hands on de la mise en place du CI/CD autour de la plateforme Data dans Azure.

Mission full time avec minimum 2 jours de présence sur site par semaine à Bruxelles.

Compétences

• Architecture de référentiels de données (MDM/EDM), échanges via ESB/API. Niveau avancé, expérience récente cette année.
• Azure DevOps et Infrastructure as Code (IaC) pour gérer le cycle de vie des composants de la plateforme data (Terraform ou équivalent). Niveau avancé, expérience récente cette année.
• Conception et urbanisation d'architectures data end-to-end pour l'ingestion, le traitement temps réel et la valorisation de flux de capteurs IoT au service de jumeaux numériques. Niveau avancé, expérience récente cette année.
• Data Platform Azure et SaaS Microsoft (Azure Data Lake, Azure Data Factory, Azure Synapse Analytics, Azure Databricks). Niveau avancé, expérience récente cette année.
• Digital Twin et intégration de données géospatiales/IoT/BIM (Contexte Smart City). Niveau intermédiaire, expérience récente cette année.
• IA/ML et intégration dans une architecture data moderne (MLOps, plateformes analytiques avancées). Niveau avancé, expérience récente cette année.
• Microsoft Purview (Data Governance) : catalogage, lignage, classification, qualité de la donnée. Niveau intermédiaire, expérience de 1 à 3 ans.
• Power BI. Niveau avancé, expérience de 1 à 3 ans.
• Processus ELT / ETL, modélisation de données (Lakehouse, medallion architecture, modèles dimensionnels). Niveau avancé, expérience récente cette année.
• Sécurité des plateformes data cloud : RBAC, private endpoints, networking, Key Vault, policies. Niveau avancé, expérience récente cette année.
• Néerlandais ou Français : niveau natif ou bilingue
• Anglais : niveau professionnel
• Avez-vous conçu et livré en production une plateforme Lakehouse sur Azure Databricks, incluant plusieurs couches de gouvernance : Unity Catalog pour le contrôle d'accès, et un catalogue d'entreprise de type Microsoft Purview pour le catalogage, la classification et le lignage ?
• Avez-vous déployé une plateforme data/IA Azure entièrement via Infrastructure as Code (Terraform ou équivalent), industrialisée dans des pipelines CI/CD Azure DevOps, avec isolation réseau (private endpoints, intégration VNet) et modèle RBAC Entra ID ?
• Avez-vous conçu une architecture d'ingestion temps réel de flux de capteurs IoT et de données géospatiales alimentant un jumeau numérique ou une application de type smart city ?
• Avez-vous conçu, déployé et exploité en production la couche IA/ML d'une plateforme data, du développement des modèles à leur industrialisation (MLOps), en l'intégrant aux couches d'ingestion et de gouvernance existantes ?
• Avez-vous fait évoluer le modèle de données d'une plateforme en production (Data Vault, modèles dimensionnels sur architecture medallion) dans le cadre d'une migration à fort risque (changement de catalogue ou de socle technique), en maintenant la continuité de service ?
• Architecture data end-to-end et valorisation : Décrivez une plateforme data que vous avez architecturée de bout en bout sur Azure, de l'ingestion à la valorisation. Précisez le modèle de données retenu (medallion, Data Vault, modèles dimensionnels) et les raisons de ce choix, la stratégie d'ingestion incrémentale et d'orchestration et la conception de la couche de service vers le reporting (modèles sémantiques Power BI ou équivalent, et modèle de sécurité associé). Indiquez un arbitrage d'architecture que vous avez tranché et ce que vous feriez différemment aujourd'hui.
• Jumeau numérique et flux de capteurs : Expliquez comment vous concevez la chaîne complète entre des capteurs de terrain et un jumeau numérique urbain. Traitez la standardisation sémantique des données de contexte et le choix des modèles de données urbains, l'intégration de sources hétérogènes (IoT, géospatial, BIM, données ouvertes), la gestion de la latence et de la qualité des mesures, et l'articulation entre le traitement temps réel et la couche analytique historisée servant l'analyse et la prédiction.
• Couche IA/ML de l'architecture : Décrivez la couche IA/ML d'une architecture data que vous avez conçue et mise en production. Précisez la place des composants d'entraînement, de registre de modèles, d'inférence et de monitoring dans l'architecture cible, le cas d'usage prédictif traité et les raisons du choix de modèle, la manière dont l'infrastructure de cette couche est provisionnée et promue entre environneme