Analytics Engineer - Impact métier & data platform H/F

Chez nous, la data n’est pas un sujet abstrait. Elle sert chaque jour à aider des pharmaciens à mieux piloter leur activité, à faire les bons choix et à améliorer concrètement la performance de leur officine. En rejoignant l’équipe, vous ne construisez pas seulement des modèles de données : vous contribuez à rendre la donnée utile, compréhensible et actionnable pour plus de 500 pharmacies, partout en France. Votre travail a un impact direct sur le terrain, au plus près des équipes, dans un environnement où beaucoup reste à structurer et à inventer. Notre ambition : mettre la data au cœur de la performance du réseau, en développant des outils de pilotage et des usages innovants au service des équipes terrain. Dans ce contexte, nous renforçons notre équipe data avec un(e) Analytics Engineer. Votre rôle : En tant qu’Analytics Engineer, vous êtes au cœur de la valorisation de la donnée. Votre objectif : transformer des données complexes en informations utiles, fiables et directement exploitables par les équipes métier. Vous intervenez à la croisée de la technique et du business, avec un impact concret sur les décisions et la performance du réseau. Vos missions : Modélisation et structuration de la donnée • Concevoir des modèles de données orientés analyse (approche analytics-first)

• Construire des datasets fiables et directement exploitables (BI, pilotage)

• Structurer les données dans notre data warehouse (Snowflake)

Collaboration avec les équipes métier • Comprendre les besoins des équipes (pharmacie, marketing, réseau)

• Traduire ces besoins en indicateurs et en modèles de données

• Participer à la définition et à la fiabilisation des KPI

Transformation et qualité des données • Développer et maintenir les transformations de données (ELT)

• Mettre en place des contrôles de qualité et de cohérence

• Documenter les modèles et les flux

Performance et bonnes pratiques • Optimiser les requêtes et les coûts Snowflake

• Mettre en place des standards de modélisation (type dbt)

• Améliorer la lisibilité et la maintenabilité des datasets

Contribution aux usages avancés • Structurer la donnée pour faciliter son exploitation (analyse, automatisation, IA)

• Participer à l’émergence de nouveaux usages data

• Améliorer la qualité et la disponibilité des données pour les outils analytiques