La chaîne data suit le parcours suivant :
- collecte et stockage dans Google Cloud Storage, orchestration des pipelines par DAG sous Airflow (on-premise et managé), transformation et nettoyage avec dbt, entreposage dans Big
- Query, puis restitution dans Looker. L"nfrastructure est gérée en code avec Terraform et Terragrunt, et les développements passent par une CI Git.
Objectifs et activités de la mission
La mission consiste à concevoir, livrer et maintenir des tableaux de bord financiers et extra-financiers dans Looker, en lien direct avec les équipes métiers.
1. Cadrage des besoins
*
Animer les ateliers avec les équipes métiers (investissement, finance, conformité, relations investisseurs).
*
Formaliser les besoins en indicateurs, règles de calcul et maquettes.
2. Modélisation des données
*
Définir le modèle de données adapté dans Big
Lire toute la description ⌄Réduire ⌃
La chaîne data suit le parcours suivant :
- collecte et stockage dans Google Cloud Storage, orchestration des pipelines par DAG sous Airflow (on-premise et managé), transformation et nettoyage avec dbt, entreposage dans Big
- Query, puis restitution dans Looker. L"nfrastructure est gérée en code avec Terraform et Terragrunt, et les développements passent par une CI Git.
Objectifs et activités de la mission
La mission consiste à concevoir, livrer et maintenir des tableaux de bord financiers et extra-financiers dans Looker, en lien direct avec les équipes métiers.
1. Cadrage des besoins
*
Animer les ateliers avec les équipes métiers (investissement, finance, conformité, relations investisseurs).
*
Formaliser les besoins en indicateurs, règles de calcul et maquettes.
2. Modélisation des données
*
Définir le modèle de données adapté dans Big
- Query, en cohérence avec les transformations dbt existantes.
*
Concevoir la couche sémantique Looker en Look
- ML (views, explores, models).
3. Développement des tableaux de bord
*
Développer les dashboards et visualisations dans Looker.
*
Contrôler la qualité et la cohérence des chiffres restitués avec les métiers.
4. Administration de Looker
*
Contribuer à l'administration de l'instance : gestion des utilisateurs, des groupes et des droits d'accès.
*
Appliquer les bonnes pratiques de versioning Git et de déploiement.
5. Maintien en conditions opérationnelles
*
Garantir la continuité de production des tableaux de bord existants.
*
Assurer la maintenance corrective et évolutive.
*
Documenter les modèles, indicateurs et dashboards.
*
Exemples de tableaux de bord et livrables attendus
Les tableaux de bord couvrent le pilotage de l'activité et le suivi des fonds, par exemple :
*
pilotage de l'activité de la société de gestion ;
*
suivi des investissements et du portefeuille ;
*
calcul et suivi des frais de gestion ;
*
indicateurs extra-financiers (ESG, finance durable).
Livrables attendus :
*
modèles Look
- ML versionnés et documentés ;
*
tableaux de bord validés par les métiers ;
*
documentation fonctionnelle (définition des indicateurs, règles de calcul) et technique ;
*
suivi des évolutions et des incidents de production.
Compétences métier et savoir-être
Une bonne compréhension du private equity est attendue pour dialoguer efficacement avec les métiers.
Compétences métier :
*
connaissance du private equity et de la finance (cycle de vie d'un fonds, investissements, frais de gestion) ;
*
notions de base en comptabilité ;
*
sensibilité aux enjeux de la finance durable appréciée.
Savoir-être :
*
autonomie ;
*
rigueur et sens de la qualité de la donnée ;
*
capacité à dialoguer avec les équipes métiers et à traduire leurs besoins en indicateurs ;
*
capacité à documenter son travail de façon claire et réutilisable.
Profil recherché
- et modalités de réponse
Le profil attendu est un(e) consultant(e) BI confirmé(e), sans exigence technique particulièrement pointue.
*
Expérience : 2 à 3 ans en Business Intelligence, dont une expérience significative sur Looker ;
*
Une première expérience dans le secteur financier, idéalement en private equity ou en asset management, est un atout fort ;
*
Formation : Bac+5 (école d'ingénieur, université ou école de commerce avec spécialisation data/finance) ou équivalent.
Compétences techniques
La maîtrise de Look
- ML, SQL, Python et Big
- Query est indispensable ; les autres compétences sont un plus.
Compétence Niveau d'exigence
*
SQL Obligatoire
*
Looker / Look
- ML Obligatoire
*
Python Obligatoire
*
GCP (Big
- Query) Obligatoire
*
dbt Apprécié
*
Airflow Apprécié
*
Terraform / Terragrunt Apprécié
*
Git et CI Apprécié
*
e
- Front ou autre PMS Apprécié
Compétences métier et savoir-être
Une bonne