DataOps Engineer
Il y a 4 jours
Brussels, Brussels-Capital, Belgique
ACENSI
Temps plein
Gratuit avec email ou Google
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
Gratuit avec email ou Google
En continuant, vous acceptez nos Conditions d’utilisation & Politique de confidentialité.
ACENSI est à la recherche d'un DataOps Engineer pour l'un de ses clients dans le secteur ferroviaire basé à Bruxelles :
Activités et principes de planification et d'analyse
• Peut traduire les politiques globales et les règles de gouvernance en une architecture DevOps et concevoir cette dernière Activités et principes de développement
• Maîtrise des principes du (Clean) Code.
• Maîtrise de la conteneurisation et de l'orchestration des conteneurs.
• Expertise en matière de pratiques CI/CD et de gestion de versions (Git), en veillant à assurer des pratiques de codage faciles à maintenir.
• Connaissance des modèles et des approches appropriés en matière de pipeline de données et capacité à les appliquer de manière ciblée.
• Contrôle et gestion de la qualité du code et des pipelines de données au moyen de tests (unit, integration, end-to-end tests).
• Contrôle et gestion de la qualité des données par le biais de tests de la qualité des données et du nettoyage des données.
• Capacité d’identifier, d’analyser et de résoudre/d’optimiser les problèmes de performance (performance tuning). Langages de codage, protocoles standard et technologies
• Compétences en matière d’utilisation et de gestion des API.
• Peut aisément utiliser Python pour diverses manipulations de données. La connaissance du logiciel Pandas est un plus.
• Une expérience approfondie de SQL est primordiale.
• Manipulation et traitement de sources de données non structurées et semi-structurées (JSON, XML, etc.). Disciplines liées aux données
• Data Pipelining & Data Orchestration
• Data Warehousing
• Data Laking
• Applications opérationnelles Méthodes d'organisation des données
• Connaissance de l'approche Kimball : o maîtrise des techniques de modélisation dimensionnelle de Kimball pour l'entreposage de données. o peut traduire une demande en dimensions et faits robustes et (ré)utilisables o expertise dans la conception de structures de schémas en étoile ou en flocon de neige pour une analyse efficace des données.
• Compétence en matière d’architecture en médaillon pour l'organisation des données : o expertise dans la compréhension et l’implémentation de l'architecture Bronze-Silver-Gold pour une organisation efficace des données. o compétences en matière de création de cadres permettant l'interopérabilité, l’échange des données et la gouvernance entre diverses sources de données. Outils
• Expérience de l'utilisation d'Airflow ou d'un outil équivalent pour l'orchestration des données
• Expérience de l'utilisation de Jira ou d'un outil équivalent
• Expérience avec StarUML ou un outil équivalent
• Expérience de l'utilisation de Kubernetes/OpenShift ou d'un outil équivalent
• Expérience de l'utilisation de Docker ou d'un outil équivalent
• Expérience de l'utilisation de GitLab ou d'un outil équivalent Langues Maîtrise parfaite d’une des 2 langues officielles (FR, NL) et bonne connaissance de la seconde (niveau B2).
• Peut traduire les politiques globales et les règles de gouvernance en une architecture DevOps et concevoir cette dernière Activités et principes de développement
• Maîtrise des principes du (Clean) Code.
• Maîtrise de la conteneurisation et de l'orchestration des conteneurs.
• Expertise en matière de pratiques CI/CD et de gestion de versions (Git), en veillant à assurer des pratiques de codage faciles à maintenir.
• Connaissance des modèles et des approches appropriés en matière de pipeline de données et capacité à les appliquer de manière ciblée.
• Contrôle et gestion de la qualité du code et des pipelines de données au moyen de tests (unit, integration, end-to-end tests).
• Contrôle et gestion de la qualité des données par le biais de tests de la qualité des données et du nettoyage des données.
• Capacité d’identifier, d’analyser et de résoudre/d’optimiser les problèmes de performance (performance tuning). Langages de codage, protocoles standard et technologies
• Compétences en matière d’utilisation et de gestion des API.
• Peut aisément utiliser Python pour diverses manipulations de données. La connaissance du logiciel Pandas est un plus.
• Une expérience approfondie de SQL est primordiale.
• Manipulation et traitement de sources de données non structurées et semi-structurées (JSON, XML, etc.). Disciplines liées aux données
• Data Pipelining & Data Orchestration
• Data Warehousing
• Data Laking
• Applications opérationnelles Méthodes d'organisation des données
• Connaissance de l'approche Kimball : o maîtrise des techniques de modélisation dimensionnelle de Kimball pour l'entreposage de données. o peut traduire une demande en dimensions et faits robustes et (ré)utilisables o expertise dans la conception de structures de schémas en étoile ou en flocon de neige pour une analyse efficace des données.
• Compétence en matière d’architecture en médaillon pour l'organisation des données : o expertise dans la compréhension et l’implémentation de l'architecture Bronze-Silver-Gold pour une organisation efficace des données. o compétences en matière de création de cadres permettant l'interopérabilité, l’échange des données et la gouvernance entre diverses sources de données. Outils
• Expérience de l'utilisation d'Airflow ou d'un outil équivalent pour l'orchestration des données
• Expérience de l'utilisation de Jira ou d'un outil équivalent
• Expérience avec StarUML ou un outil équivalent
• Expérience de l'utilisation de Kubernetes/OpenShift ou d'un outil équivalent
• Expérience de l'utilisation de Docker ou d'un outil équivalent
• Expérience de l'utilisation de GitLab ou d'un outil équivalent Langues Maîtrise parfaite d’une des 2 langues officielles (FR, NL) et bonne connaissance de la seconde (niveau B2).