Entourage Recrutement
Actualités24 sept. · Wealthcome lève 15 millions d'euros en série B pour concurrencer Harvest auprès des grands comptes.
Cas client · DataCDI

Un Data Engineer Senior pour un logisticien international

Des systèmes hérités de plusieurs acquisitions à relier à Snowflake, un profil que tout le marché sollicite et un site de banlieue mal desservi : la cible recentrée sur l'intégration de données, un Data Engineer recruté, toujours en poste.

Par Helder Alturas, co-fondateur

  • 75 k€de fixe au plus, avec participation et intéressement
  • 4 vivierscartographiés, de l'intégration historique au cloud
  • 6 critèresdans la grille d'évaluation
  • 2 validationsle Chief Data Officer, puis le Data Architect

Le besoin

Relier l'existant à une plateforme data moderne.

Le client, un groupe français de transport et de logistique présent à l'international, s'est développé en partie par acquisitions en Europe. Sa Direction Data devait consolider des données venues de systèmes aux historiques, aux formats et aux niveaux de maturité hétérogènes : ERP, outils opérationnels, applications métiers, bases, fichiers et API.

La valeur de la plateforme tenait à sa capacité à récupérer, transformer, fiabiliser et réconcilier ces données. Le groupe cherchait un Data Engineer Senior pour l'équipe du Chief Data Officer, dans cet environnement :

  • Snowflake
  • Talend
  • Airflow
  • Python et SQL
  • Kafka
  • BI et restitution
  • CI/CD et monitoring
  • Qualité de données
Un profil complet sur l'intégration

Suivre la donnée de sa source jusqu'à son usage dans Snowflake, par les analystes et les métiers, bien au-delà d'une stack récente.

Un site mal desservi

Un poste en banlieue parisienne, loin des transports : la difficulté majeure, qui imposait un candidat habitant à proximité.

Les Data Engineers expérimentés sont sollicités à la fois par les grands groupes, les scale-ups, les éditeurs, les banques, l'industrie, le transport et le conseil. L'enveloppe, jusqu'à 75 k€ de fixe avec participation et intéressement, était compétitive, et le projet devait aussi convaincre.

Notre démarche

Recentrer, cartographier, qualifier, affiner, valider.

  1. Recentrer le besoin sur l'intégration

    Un Data Engineer peut être orienté Spark, plateforme cloud, DataOps, streaming, BI ou intégration ETL. Le groupe cherchait le dernier : un profil qui se connecte à plusieurs sources, gère les mappings et les rejets, fiabilise les flux et alimente un Data Warehouse et ses DataMarts. L'indispensable :

    • Une expérience significative en Data Engineering
    • Des flux d'intégration construits et maintenus
    • Une pratique concrète de l'ETL et de l'ELT
    • Une excellente maîtrise de SQL
    • Snowflake, ou une plateforme comparable
    • La donnée suivie de la source à la restitution
    • Une grande autonomie
    • L'habitude d'une organisation en construction

    Talend, Airflow, Python, le cloud, Kafka, la CI/CD et la gouvernance des données étaient fortement recherchés. La correspondance mot pour mot restait secondaire : AWS Step Functions valait Airflow, une solide expérience Informatica ou DataStage valait Talend.

  2. Cartographier quatre viviers

    1. Les grands groupes

      Des plateformes complexes, des environnements internationaux, des systèmes historiques aux côtés du cloud : retail, transport, industrie, banque, énergie.

    2. Les migrations vers Snowflake

      Des profils passés d'Oracle ou de Redshift à Snowflake, ou qui ont bâti un nouveau Data Warehouse : leur maîtrise se mesure précisément.

    3. Les experts de l'intégration

      Talend, Informatica, DataStage ou SSIS, puis Snowflake et le cloud : des profils discrets dans les recherches centrées sur les technologies récentes.

    4. Les consultants vers un client final

      Un vivier majeur, approché de façon ciblée : ce qu'ils ont construit compte davantage que les technologies qu'ils ont côtoyées.

    La recherche croisait les intitulés, les technologies, les concepts (ETL, Data Warehouse, qualité de données) et les environnements (ERP, supply chain, transport, migrations cloud), et partait du site : habiter à proximité faisait partie de la cible.

    Le poste se présentait par son projet : la donnée comme enjeu de transformation du groupe, et une plateforme à construire.

  3. Qualifier la pratique réelle

    Chaque qualification reconstruisait un projet, bien au-delà de « Vous connaissez Snowflake ? » :

    • Quelles étaient les sources, et qui définissait les mappings ?
    • Comment les rejets et la qualité étaient-ils gérés ?
    • Le candidat construisait-il les modèles et les DataMarts dans Snowflake ?
    • Créait-il les DAGs Airflow, leurs dépendances, leurs reprises sur erreur ?
    • A-t-il conçu l'architecture, ou travaillé dans une architecture définie ?
    • A-t-il fait des revues de code, défini des standards, accompagné des juniors ?

  4. Affiner la cible en cours de mission

    Un candidat solide en Data Engineering, en Airflow et en CI/CD a fait apparaître le point déterminant : son expérience de l'intégration ETL/ELT et son niveau sur Snowflake restaient en deçà du besoin. La cible est devenue un Data Engineer qui a déjà vécu l'intégration de données métier complexes.

    La chasse s'est alors concentrée sur une combinaison : Talend, Informatica ou DataStage, avec Snowflake, SQL et l'orchestration. Deux profils proches sur LinkedIn l'illustrent :

    • Plus « moderne » sur le papier

      Le profil DataOps et cloud

      Python, Spark, Airflow, Kafka, Terraform, AWS, une CI/CD excellente et des traitements massifs de données.

    • Plus proche du besoin

      Le profil intégration

      Talend, Snowflake, SQL, Python, Airflow, plusieurs ERP en sources, des flux ETL, les rejets et la qualité gérés, des DataMarts et un travail régulier avec les métiers.

  5. Valider avec l'équipe Data

    Une première qualification vérifiait le parcours, la motivation et la mobilité. Les candidats rencontraient ensuite le Chief Data Officer, puis le Data Architect.

    La validation portait aussi sur la posture : apporter structure et seniorité à une équipe plutôt jeune, en transmettant, avec un rôle de référent technique appelé à grandir.

    • Recruté

      Le Data Engineer passé Tech Lead

      Une expérience de Data Engineering et de Tech Lead, la pratique de Talend, des pipelines construits et automatisés dans le cloud, un Data Warehouse moderne, dbt, la qualité de données et la CI/CD.

      L'habitude d'accompagner d'autres Data Engineers et de structurer les pratiques d'une équipe. Il est toujours en poste aujourd'hui.

La grille d'évaluation

Six dimensions d'évaluation.

Chaque candidat était comparé sur la même grille :

  • L'intégration ETL/ELT

    Des flux construits de bout en bout, à partir de sources hétérogènes.

  • Le Data Warehouse et Snowflake

    Modélisation, traitements SQL, DataMarts, performance et compréhension de la plateforme.

  • L'orchestration

    Airflow, ou un orchestrateur équivalent.

  • L'industrialisation

    Git, CI/CD, tests, monitoring, documentation et qualité.

  • La seniorité opérationnelle

    Autonomie, capacité à structurer, mentorat et prise de recul.

  • Le contexte

    L'envie d'un client final, d'une organisation data en construction et du transport, et une projection dans la durée.

Construire une scorecard de recrutement : la méthode et le modèle

Nous confier une recherche

Un Data Engineer ou un profil data à recruter ?

Réponse sous 24 h ouvrées.

Un consultant Entourage vous recontacte sous 24 heures ouvrées pour qualifier la mission. Vos données restent strictement confidentielles, et leur partage avec un tiers est exclu.

  • Réponse sous 24 heures ouvrées
  • Premiers profils sous 48 heures (freelance) ou sous 10 jours (CDI)
  • Facturation à l'acceptation de l'offre, et à ce moment seulement
  • Remboursement intégral si le candidat renonce finalement au poste
4,9/5 sur Google· lire les avis
  • Suez
  • Deezer
  • Diptyque
  • Ecomaison
  • GG Vie
  • Adenes

Pour aller plus loin

Les pages liées à ce cas.

D'autres cas clients

À propos de l'auteur

Helder Alturas

Helder AlturasLinkedIn

Co-fondateur d'Entourage Recrutement

Douze années de recrutement sur les métiers de l'IT ont mené Helder à co-fonder Entourage Recrutement. Il y pilote les missions freelance et le management de transition Tech, de l'ingénierie logicielle aux directions des systèmes d'information.

Toute l'équipe