Ingénieur analytique du personnel

À propos de Pléo
La gestion désordonnée des dépenses est une affaire délicate. Et les processus fastidieux sont une situation gagnant-perdant pour toutes les personnes impliquées, pas seulement pour le secteur financier. Chez Pleo, nous changeons cela. Nous construisons des solutions de dépenses qui rendent la gestion de l'argent transparente, responsabilisante et étonnamment efficace pour les équipes financières et les employés - avec une vision pour aider toutes les entreprises à « aller au-delà ».
Le mot « Pleo » signifie en réalité « plus que ce à quoi vous vous attendez », et vivre selon ce mantra a été le secret de notre succès au cours des 10 dernières années.
Nous nous trouvons désormais à un moment charnière de notre voyage ; chaque geste que nous prenons a un impact direct sur nos plus de 40 000 clients, notre entreprise et notre réussite collective. Nous avons besoin de personnes fières de découvrir les besoins des clients, qui transforment des problèmes complexes en solutions simples, remettent en question la façon dont les choses sont faites (avec respect) et visent toujours haut. Avec de grandes ambitions qui nous poussent à avancer, nous ne pouvons pas dire que nous avons tout compris. Et franchement, c’est la moitié du plaisir ! Ce que nous pouvons dire, c’est que nous sommes un groupe motivé, progressiste et, surtout, aimable, de plus de 850 personnes de plus de 100 nationalités, toutes engagées à façonner ensemble l’avenir des dépenses des entreprises.
À propos du rôle
Il s'agit d'un rôle de contributeur individuel senior au sein de notre équipe Services de données et gouvernance, où vous agirez en tant que leader éclairé et technique possédant la couche sémantique et les normes d'analyse pour Pleo. Cela signifie que vous ne posséderez pas de domaine, mais que vous serez propriétaire de ce qui est bon dans chacun d'entre eux en développant, en améliorant, en maintenant et en évangélisant nos normes de modélisation et nos pratiques de développement augmentées par l'IA avec lesquelles chaque ingénieur analytique travaille, quelle que soit l'équipe dans laquelle il siège.
La couche sémantique que vous concevrez et maintiendrez sera la source unique de vérité interrogée par les agents d’IA, les outils de BI et les analystes. Il s’agit d’un travail fondamental ayant une portée à l’échelle de l’entreprise et qui sera idéal pour vous si vous aimez construire des choses à partir de zéro. Notre couche sémantique en est encore à ses débuts. La sélection des outils est en direct et ce rôle a une voix forte. Notre pile BI est également en transition, vous n'hériterez donc pas d'une configuration mature et ne la maintiendrez pas. Vous décideriez de ce que cela devrait être, puis le construireriez.
Pour plus de contexte, notre pile technologique comprend actuellement : GCP, BigQuery, dbt Core, Airflow, SQL, Python, Claude Code, GitHub Copilot.

Avec qui vous travaillerez
Vous relèverez du Data Engineering Manager qui supervise l'équipe Data Infra & MLOps ainsi que l'équipe Data Services & Governance. Votre relation principale sera avec les ingénieurs analytiques intégrés à la fonction Intelligence qui devraient vous contacter pour des conseils sur l'architecture, des décisions sur la couche sémantique et des questions de normes. Vous travaillerez également en partenariat avec un Staff Data Engineer sur les normes d'ingénierie des données et les pratiques de pipeline, et avec d'autres sur l'analyse en libre-service et la gouvernance des outils BI. Vous collaborerez avec l'équipe Data Serving sur les définitions d'entités et avec l'équipe GenAI Platform sur l'apparence des données prêtes pour l'IA à la limite de la plateforme.

Ce que tu feras

• Posséder la couche sémantique : définissez ce qu'est une définition de métrique, comment elle est structurée, où elle se trouve et comment elle est appliquée. L'objectif est une définition canonique du revenu mensuel récurrent (MRR), du taux de désabonnement, de la transaction, du client - utilisée sans divergence par les analystes, les outils de BI et les outils d'IA. Vous rendez cela réel, pas ambitieux.

• Définir des normes de modélisation des données pour la fonction : à quoi ressemble une architecture dbt propre, en couches et bien testée dans tous les domaines, à tous les niveaux de complexité.

• Construire et gérer la communauté de pratique de l'ingénierie analytique, y compris les révisions de code, les modèles partagés, la documentation, l'intégration, etc. L'objectif est de créer une infrastructure sociale qui fait respecter les normes.

• Posséder la pratique de développement native de l'IA. Utilisez les outils de codage d'IA comme élément natif de la façon dont vous écrivez, révisez et migrez des modèles de données (non pas à titre de démonstration, mais en tant que flux de travail réel). Évaluez ce qui fonctionne dans un contexte d'ingénierie de données gouverné, ce qui introduit des risques et façonnez la manière dont la communauté Analytics Engineering l'adopte.

• Diriger un travail de migration responsable augmenté par l'IA à l'aide d'outils d'IA pour accélérer la modélisation des données et les migrations dans l'entrepôt d'analyse et la plateforme de données opérationnelles.

• Concevoir des modèles de données et des définitions de métriques de manière documentée et structurée permettant une consommation fiable par les services d'IA sans intervention humaine.

• Collaborez en amont avec les ingénieurs back-end et produits pour favoriser la discipline des contrats de données et la propriété des schémas en amont, plutôt que de gérer les incohérences en aval.

• Contribuer aux produits de données et d'IA pour l'analyse externe orientée client où les modèles de modélisation de données et les besoins et capacités d'analyse conversationnelle se développent.

Ce que tu apportes

• Expertise approfondie et démontrée en matière de dbt et de pratiques de modélisation : pas seulement une modélisation solide, mais une vision précise de ce à quoi devrait ressembler l'architecture de modélisation au sein d'une fonction. Vous pouvez défendre les compromis, les enseigner et les appliquer dans les équipes que vous ne gérez pas.

• Expertise approfondie de BigQuery et SQL, y compris les performances, les considérations de coûts et les défis architecturaux des domaines analytiques complexes.

• Expérience réelle de possession d'une couche sémantique (LookML, dbt MetricFlow, ou équivalent). Vous avez un point de vue sur ce à quoi devrait ressembler la cohérence des métriques à grande échelle, ce qui échoue lorsqu'elle ne se produit pas et comment la concevoir pour que les outils d'IA puissent les utiliser sans dégrader la confiance.

• Pratique de développement IA native dans un contexte d'ingénierie de données. Vous utilisez les outils de codage d'IA (Claude Code, GitHub Copilot ou équivalent) dans le cadre de votre façon de travailler, et vous pouvez préciser où ils ajoutent une valeur réelle et où ils introduisent des risques dans une base de code d'analyse gouvernée.

• Une expérience dans l'établissement de normes au sein d'équipes que vous ne gérez pas directement et dans leur respect en tirant parti de techniques d'influence efficaces plutôt que de s'appuyer sur l'autorité.…

Source : Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/pleo/staff-analytics-engineer-united-kingdom-196102)