Data Analyst R&D H/F - INFOGENE

Rejoignez l'équipe d'Infogene, ESN experte des données critiques et accélérez votre carrière en travaillant avec nous sur des projets innovants pour des clients en pleine croissance dans différents secteurs (santé, assurances / mutuelles, énergie, environnement, retail et luxe.)

Avec plus de 10 ans d'existence, 700 collaborateurs talentueux et un chiffre d'affaires en 2023 de 72 millions d'Euros, Infogene met un point d'honneur à conserver l'agilité et la proximité d'une startup avec les avantages d'une société établie dans l'écosystème IT.

Nous sommes présents en Ile de France, à Lille, Lyon, Bordeaux et Lausanne.Missions principales

En pratique, vos responsabilités seront les suivantes :
- Recueillir et analyser les besoins utilisateurs (équipes métier et R&D).
- Développer ou améliorer des solutions d'acquisition et de visualisation innovantes.
- Concevoir et optimiser des rapports de tests, validations et suivis financiers (P&L, KPIs).
- Élaborer et maintenir la documentation technique, fonctionnelle et les guides utilisateurs.
- Conseiller et accompagner les utilisateurs dans l'exploitation des solutions.
- Participer à la mise en place et l'évolution de processus et d'outils de data management.
- Réaliser des études de faisabilité (données, systèmes, outils, développements).
- Assurer des formations utilisateurs et produire le matériel pédagogique associé.

Compétences techniques attendues

Reporting & DataViz
- Power BI (certification souhaitée) : DAX, Power Query, Report Builder.
- Streamlit (Python) et Shiny (R) pour des applications interactives.
- Data storytelling et adaptation des visualisations selon les profils utilisateurs (métiers, data science, direction).

Programmation & Analyse de données
- Python (pandas, matplotlib, seaborn, Streamlit).
- R (packages de data processing, dashboards interactifs via Shiny).
- SAS (traitement, analyse et transformation de données structurées, contexte analytique ou clinique).
- SQL / DBT (structuration, transformation et exploitation de données relationnelles).

Bonnes pratiques de développement
- Maîtrise de Git / GitLab (versionning, branches, merge requests, revues de code).
- Respect des bonnes pratiques de structuration, modularité et documentation du code.
- Travail en mode agile (Kanban, Scrum) avec PO, Tech Lead, Data Engineers.

Big Data & Cloud
- Transformation et industrialisation de la donnée sur Google Cloud Platform (GCP).
- Développement de datamarts en collaboration avec les Data Engineers.