Nimble Gravity est une entreprise de conseil, de marketing et de logistique qui aide les entreprises à appliquer l’intelligence artificielle, la science des données et les technologies numériques à des enjeux concrets de croissance. Ses services comprennent l’analyse prédictive et prescriptive, la transformation numérique, l’ingénierie logicielle, la stratégie de commerce électronique et l’optimisation des CRM, notamment des solutions axées sur Salesforce. Nimble Gravity développe également des agents d’IA générative et des outils de commerce fondés sur les données, conçus pour soutenir l’automatisation, améliorer la prise de décision et faire progresser les initiatives de transformation numérique.
Ingénieur senior en données et analytique — télétravail aux États-Unis
Concevez des modèles de données, des pipelines et des couches sémantiques Snowflake pour les clients d’institutions financières de Nimble Gravity. Contribuez à fournir des agents d’IA fiables et des résultats mesurables grâce à un travail technique auprès des clients.
Description
- Concevoir des modèles de données flexibles et performants qui établissent des sources de vérité fiables dans tous les domaines métier
- Créer et maintenir l’infrastructure SQL, Python, dbt et Snowflake pour le reporting, l’analyse et l’automatisation
- Valider la qualité des données Snowflake et créer des tests automatisés pour les modèles de données
- Contribuer aux pratiques de gouvernance couvrant les autorisations, la traçabilité et les définitions métier
- Mettre en œuvre des contrôles d’accès qui limitent les modèles aux données autorisées
- Créer des modèles sémantiques qui rendent les données des fonctions métier accessibles aux requêtes en langage naturel via Cortex Analyst
- Définir et vérifier les indicateurs, dimensions et relations nécessaires aux agents d’IA
- Identifier et corriger les problèmes structurels, de nomenclature et de couverture susceptibles de provoquer des erreurs d’agent ou des réponses peu fiables
- Tenir à jour les guides opérationnels, les modèles de modélisation réutilisables et les bibliothèques de modèles sémantiques
- Animer des ateliers techniques qui renforcent les compétences de l’équipe
- Créer des configurations de vues sémantiques ainsi que des fichiers de compétences YAML ou Markdown pour les analystes non techniques
- Gérer la stack de données, de l’ingestion des sources à la couche sémantique, en privilégiant des systèmes de production fiables et faciles à maintenir
- Collaborer avec les clients, les ingénieurs et les spécialistes de l’IA pour transformer les technologies émergentes en résultats métier mesurables
- Suivre l’adoption après le lancement, résoudre les points de friction et poursuivre l’accompagnement jusqu’à ce que le produit de données soit fiable et transféré aux équipes opérationnelles
- Transformer les besoins métier en spécifications techniques et fournir des retours pratiques à la direction
Exigences
- Au moins huit ans d’expérience en ingénierie analytique, en ingénierie des données ou dans un domaine technique connexe, avec notamment une expérience auprès de clients ou dans un contexte transversal
- Utiliser quotidiennement un assistant de programmation basé sur l’IA comme outil principal de développement
- Écrire de manière autonome du SQL avancé, notamment des fonctions de fenêtre et des jointures complexes
- Expérience professionnelle avec dbt
- Avoir livré un modèle de données ou un pipeline de production utilisé par des parties prenantes métier non techniques
- Être à l’aise avec Git pour les branches, les pull requests et les revues de code
- Capacité démontrée à transformer les exigences métier en spécifications techniques claires
- Excellente maîtrise des CTE, des fonctions de fenêtre et de la conception de pipelines incrémentiels
- Expérience du développement d’infrastructures de données pour de grands ensembles de données relationnelles
- Avoir créé et maintenu des projets dbt avec tests, documentation et CI/CD
- Écrire un Python moderne, typé et maintenable pour les pipelines de données et l’automatisation
- Utiliser régulièrement un assistant de programmation LLM tel que CoCo, Cursor, GitHub Copilot, Claude ou un outil équivalent
- Capacité à créer des configurations de vues sémantiques ou des fichiers de compétences structurés qui intègrent les cas limites et les connaissances du domaine
- Communication efficace dans des contextes en contact avec les clients
- Connaissance des produits Snowflake Cortex, notamment Cortex Analyst, Cortex Agents, Cortex Search, les vues sémantiques et Dynamic Tables
- Une expérience avec Airflow ou un autre framework d’orchestration constitue un atout majeur
- Une connaissance des systèmes d’entreprise tels que les ERP, CRM ou HRIS constitue un atout majeur
- Être autorisé à travailler sans parrainage de visa H1B