Missions principales
Le quotidien et les responsabilités.
- Modéliser la donnée dans l'entrepôt : tables intermédiaires, tables de faits, dimensions, agrégats
- Écrire les transformations en SQL versionné, avec dbt, revue de code et déploiement continu
- Définir et documenter les indicateurs de référence, pour que chaque direction calcule de la même façon
- Tester la qualité des données à chaque transformation : unicité, fraîcheur, cohérence entre sources
- Maintenir la couche sémantique qui alimente les outils de visualisation
- Travailler avec les data engineers sur l'ingestion, et avec les analystes sur les besoins métier
- Optimiser le coût et la performance des requêtes dans l'entrepôt
Compétences
Ce qu'il faut maîtriser.
- SQL avancé, écrit et relu comme du code
- dbt, ou un outil de transformation équivalent, et les bonnes pratiques de modélisation : Kimball, modèles en couches
- Un entrepôt en nuage : Snowflake, BigQuery, Redshift ou Databricks
- Git, revue de code, intégration continue
- Tests et observabilité des données
- Un outil de visualisation (Looker, Power BI, Tableau, Metabase) et sa couche sémantique
- Compréhension des indicateurs métier : chiffre d'affaires, marge, rétention, coût d'acquisition
Formation
Le parcours type.
École d'ingénieur, master data, statistique ou informatique, école de commerce avec spécialisation quantitative. Beaucoup viennent de l'analyse de données, après y avoir pris le goût de la modélisation, ou du développement BI. Deux à dix ans d'expérience selon le niveau visé.
Étudiant ou jeune diplômé ? Entourage Club est notre accompagnement gratuit vers un premier poste en Finance ou en Tech.
Évolutions
Les évolutions possibles.
- Senior puis Lead Analytics Engineer
- Data Engineer
- Head of Analytics ou Head of Data
- Data Architect
- Data Product Manager
Conseils Entourage : Recruter
Recruter un Analytics Engineer.
Nous faisons d'abord préciser la stack en place et son état : l'entrepôt, l'outil de transformation, le nombre de modèles et la dette accumulée. Un analytics engineer rejoint volontiers une base à structurer, à condition de savoir ce qu'il y trouvera. Nous évaluons ensuite le SQL sur un cas réel de modélisation : une source désordonnée, un indicateur à construire, et la façon dont le candidat le teste et le documente. L'exercice en dit davantage qu'un entretien sur les outils. Nous vérifions enfin qu'un interlocuteur métier est désigné pour arbitrer les définitions d'indicateurs : c'est lui qui donne au poste sa portée.
Conseils Entourage : Candidater
Postuler pour un poste d'Analytics Engineer.
Les candidats retenus montrent un projet de modélisation de bout en bout : la source, les choix de modèle, les tests, la documentation, et l'usage qu'en ont fait les analystes. Un dépôt Git lisible ou un projet dbt commenté pèse davantage qu'une liste d'outils. L'entretien porte souvent sur un indicateur que deux équipes calculaient différemment. Savoir raconter comment la définition a été arbitrée, puis tenue dans le temps, est ce qui distingue un analytics engineer d'un analyste qui écrit du SQL.
Ce que nous proposons aux candidats
- À télécharger : Préparer un entretien (fonctions Tech)
