Product Owner Technique. Secteur ENERGIE
Background de développeur
Notre client recherche un Product Owner Technique (POT) pour renforcer leur équipe dans le cadre d'un projet.
Le Pôle est en charge en collaboration et en support des exploitants, de la supervision de production des applications du pôle, outillage, analyse d’incident et de comportement, préconisation de paramétrage et optimisation, expertise produit auprès des autres équipes.
Le projet est un portail client qui permet d’accéder à un espace spécialisé en fonction de son segment (particuliers, professionnels, entreprises, collectivités).
L’équipe de POT sera amenée à intervenir sur les choix d’architecture technique et logicielle, le suivi de la qualité du code, la mise en place de bonnes pratiques techniques et le suivi des crises de productions.
Lead Dev Data Science. Secteur Assurances
Technologies et Outils : Python Java Docker Apache Kafka GIT Spark
Méthodes : Agile
Description et livrables de la prestation
Pour le compte de l'un de nos clients dans le secteur des assurances, nous sommes actuellement à la recherche d'un Lead Dev.
Au côté des équipes de Data Scientist, vous évoluerez dans un contexte technologique varié et veillerez à répondre aux besoins des utilisateurs. La data science est une brique essentielle de notre client.
BI / BIG DATA - Data Engineer - Sénior. Secteur Assurance
Technologies et Outils : Python Spark
Description et livrables de la prestation
Le développeur Big Data contribue directement aux projets des directions métier de l'assurance (ex : fraude santé, multiéquipements, pricing IARD, optimisation du lead management, fragilité auto, …) et à la construction du socle technique Big Data. Il a pour missions principales de développer les projets Big Data demandés par le métier, et notamment :
- Passer de la donnée brute à de la donnée exploitable, exposée sous forme de tables requetables dans le datalake (inférer les schémas de données, nettoyer et normaliser les données, publier les données)
- Consolider ces données au fur et à mesure de leur alimentation récurrente dans le data lake et les exploiter pour atteindre la finalité business (exposition de business view, réintégration des résultats dans le SI, service de scoring, …)
- Travailler à la création du socle technique Big Data (librairies de fonctions, features communément utilisées avec les data scientists…) et industrialiser le cycle de développement de l'équipe