C6 Bank
Marsh McLennan
Spécialiste - Ingénierie des Données
À propos du poste
Société : Marsh
Marsh (NYSE : MRSH) est un leader mondial en matière de risques, de réassurance et de capital, de personnes et d'investissements, et de conseil en management, conseillant des clients dans 130 pays. Avec un chiffre d'affaires annuel de plus de 27 milliards de dollars et plus de 95,000 collaborateurs, Marsh aide à renforcer la confiance pour prospérer grâce au pouvoir de la perspective. Pour plus d'informations, visitez marsh.com, ou suivez-nous sur LinkedIn et X.
Marsh s'engage à créer un environnement de travail diversifié, inclusif et flexible. Nous visons à attirer et à retenir les meilleurs talents et à embrasser la diversité en termes d'âge, d'origine, de handicap, d'origine ethnique, de responsabilités familiales, d'orientation ou d'expression de genre, de statut matrimonial, de nationalité, de statut parental, de statut personnel ou social, d'affiliation politique, de race, de religion et de croyances, de sexe/genre, d'orientation ou d'expression sexuelle, de couleur de peau, ou de toute autre caractéristique protégée par la loi applicable.
Description : Nous recherchons un Ingénieur Données Senior pour rejoindre une équipe qui soutient et étend une plateforme de données Databricks et crée des produits de données pour l'ensemble de l'entreprise, au service d'une activité mondiale de réassurance.
Parmi les exemples de ce que vous pourriez construire, citons : IaC et CI/CD pour soutenir le déploiement des applications Databricks et des Espaces Genie ; des jeux de données curatés, du bronze à l'or, utilisés quotidiennement par les analystes et les agents IA ; des solutions de données géo/spatiales pour la modélisation des catastrophes ; des pipelines combinant des données clients, de courtage et actuarielles pour soutenir les placements, les renouvellements et les travaux de conseil ; l'ingestion à partir de APIs de fournisseurs et de plateformes de données internes ; et des catalogues de données structurées/non structurées qui permettent aux agents IA de répondre avec précision aux questions métier en utilisant les données de production.
Vous soutiendrez les pipelines qui permettent les cas d'usage analytiques et IA/ML ; cependant, le développement de modèles n'est pas l'objectif principal de ce rôle.
Ce que vous pouvez attendre
- Un environnement dynamique avec un impact métier réel et une forte autonomie.
- Une collaboration étroite avec les parties prenantes des produits, des métiers et de la technologie à travers les différentes zones géographiques.
- L'opportunité de façonner des produits de données évolutifs et des capacités de plateforme utilisés dans toute l'entreprise.
- Une culture d'ingénierie solide axée sur la fiabilité, l'observabilité et l'amélioration continue.
Nous comptons sur vous pour
- Construire et maintenir des pipelines ETL/ELT, des flux d'ingestion et des modèles de données sur Databricks en utilisant Python et SQL.
- Traduire des problèmes métier ambigus en produits de données pratiques avec des critères de succès clairs.
- Être responsable des solutions de bout en bout : conception, déploiement, surveillance, maintenance et amélioration itérative.
- Collaborer avec les chefs de produit, les parties prenantes métier et les équipes techniques pour obtenir des résultats.
- Appliquer de solides pratiques d'ingénierie, y compris les tests, CI/CD, la revue de code, la documentation, la lignée des données, l'alerte, l'observabilité et le support de production.
- Faire des compromis judicieux entre performance, fiabilité, coût et latence, et les communiquer clairement.
- Collaborer avec les data scientists et les analystes sur les pipelines qui soutiennent les cas d'usage analytiques et IA/ML.
- Contribuer aux modèles partagés, aux outils et aux pratiques de fiabilité au sein de la communauté d'ingénierie.
- Utiliser les outils IA de manière pragmatique pour accélérer la livraison tout en validant les résultats et en maintenant la responsabilité.
Prérequis
Ce que vous devez avoir
- Solide expérience en ingénierie des données (ou rôles très similaires), avec une autonomie démontrée au niveau senior.
- Expérience avérée en tant que propriétaire technique d'au moins un produit de données en production (conçu, construit, déployé et exploité pour des parties prenantes réelles).
- Solide maîtrise de Python et SQL, avec la capacité d'écrire du code de qualité production.
- Expérience pratique avec Databricks.
- Expérience dans la construction et la maintenance de pipelines CI/CD.
- Capacité à travailler directement avec les parties prenantes métier, à diriger les discussions, à clarifier les exigences ambiguës et à opérer de manière proactive avec une supervision minimale.
- Maîtrise professionnelle de l'anglais.
- Disponibilité pour le travail hybride (3 jours/semaine au bureau).
- Diplôme de licence dans un domaine quantitatif (informatique, ingénierie, statistiques, mathématiques ou similaire) ou expérience pratique équivalente.
Ce qui vous démarquera
- Expérience en conseil.
- Expérience dans les secteurs de l'assurance, de la réassurance, des services financiers ou d'autres domaines complexes riches en données.
- Expérience avec Azure Data Factory, dbt, ou des outils d'orchestration/transformation similaires.
- Expérience avec les modèles ARM, les paquets d'actifs Databricks (DABs), ou d'autres approches IaC.
- Expérience dans le support de produits activés par l'IA en production ; familiarité avec les concepts MLOps.
- Exposition aux flux de données semi-structurées ou non structurées, y compris les cas d'usage textuels ou basés sur l'IA.
- Expérience pratique de l'utilisation de flux de développement assistés par IA en production.
- Expérience du traitement distribué des données à grande échelle.
Marsh s'engage en faveur du travail hybride, qui inclut la flexibilité du travail à distance et les avantages de collaboration, de connexion et de développement professionnel du travail en présentiel. Tous les collaborateurs de Marsh sont censés être dans leur bureau local ou travailler sur site avec les clients au moins trois jours par semaine. Les équipes basées au bureau identifieront au moins un « jour d'ancrage » par semaine où toute leur équipe sera réunie en personne.
