Lead Data Engineer H/F - 86

Pourquoi nous rejoindre ?

En intégrant Emil Frey France, vous entrez dans un secteur en pleine révolution et dans un Groupe qui a une vision claire de l'avenir.

Avec plus de 11000 collaborateurs, vous faites partie d'un collectif d'experts agissant dans différents domaines : import, sourcing, reconditionnement, distribution spécialisée de véhicules (auto, moto, camions, machines agricoles et pièces détachées).

Et quel que soit votre rôle, vous participez au développement de nos filiales et contribuez activement à transformer le secteur de la distribution de véhicules. Pour y parvenir, Emil Frey France s'engage, au quotidien, à vous offrir les moyens d'avancer et de vous épanouir professionnellement à travers de nombreuses opportunités. (500 mobilités internes en 2024 en témoignent.)

Rejoignez une entreprise qui valorise l'exigence, la qualité, la proximité et la performance.

Pour des raisons de lisibilité, cette annonce est rédigée au masculin. Engagés dans une démarche en faveur de la mixité, de l'égalité professionnelle et de l'inclusion, nous accordons bien évidemment la même qualité de traitement à l'ensemble des candidatures, quel que soit le genre, l'origine ou les croyances de nos candidats.

Rejoignez une équipe en mouvement !Emil Frey France, leader de la distribution de véhicules en France et plus largement acteur du secteur de la mobilité, recrute pour sa holding un Lead Data Engineer H/F en CDI.

1. Enjeux techniques et architecturaux :
- Piloter les choix d'architecture data et de traitements pour garantir robustesse, scalabilité et évolutivité.
- Concevoir et optimiser des pipelines de données dans un environnement moderne (Talend, Snowflake, Power BI/Qlik, Python, RPA).
- Assurer la mise en oeuvre des meilleures pratiques pour le traitement, le stockage, et la sécurisation des données.

2. Machine Learning Engineering :
- Préparer l'évolution de la stack technologique et des compétences de l'équipe pour accueillir les cas d'usage IA dès mi-2025.
- Travailler en étroite collaboration avec les équipes Data Science pour anticiper les besoins techniques des projets IA.
- Équilibrer les enjeux techniques, humains et organisationnels pour garantir une transition fluide et efficace.

3. Management et organisation :
- Superviser l'équipe de Data Engineering interne et externe et renforcer les synergies.
- Développer les compétences des collaborateurs et accompagner leur montée en puissance.
- Assurer une collaboration fluide avec les équipes Data Science, Data Analysis et les autres parties prenantes internes.
- Mettre en place une méthodologie de travail rigoureuse pour garantir des livrables de qualité dans les délais impartis.

4. Collaboration et amélioration continue :
- Être le point de contact entre les équipes métiers, techniques, et la DSI pour traduire les besoins en solutions opérationnelles.
- Identifier et implémenter des opportunités d'amélioration continue dans l'écosystème Data.