Lead Data Engineer (F/H)
Lead Data Engineer at Akuo, a French renewable energy producer, acting as senior technical reference for the data platform: defining engineering standards, industrializing and hardening data pipelines, and driving testing, CI/CD and observability. Core stack includes Spark, SQL, Python and Microsoft Fabric.
- Compensation
- €55K–€65K / yr
- Location
- Paris, France
- Work setup
- Not specified
- Seniority
- Lead
- Employment
- Full time
- Experience
- Not specified
- Category
- Data engineering
- Posted
Skills
Must have
- At least 5 years of experience in data projects with a focus on data engineering
- Mastery of data modeling concepts and data architecture design
- Strong Python & SQL coding skills, including running stored procedures
- Skills in relational database management
- Proficiency in English to collaborate with non-francophone teams
Full description
- Rémunération: EUR 55,000 - EUR 65,000 - annuel
Description de l'entreprise
Akuo est un producteur français d’énergie renouvelable (éolien, solaire et stockage).
Le Groupe est présent sur l’ensemble de la chaîne de valeur : du développement à l’exploitation, en passant par le financement et la construction.
À fin 2025, Akuo dispose d'une capacité totale en exploitation et en construction de 2,1 GW et d’un portefeuille de projets de plus de 10 GW. Avec plus de 450 collaborateurs, le Groupe, dont le siège social est à Paris, développe des projets dans plus d’une quinzaine de pays dans le monde, en Europe et en Amérique principalement.
Description du poste
Le Lead Data Engineer est responsable de la cohérence technique, de l’industrialisation et de la robustesse de la Data Platform et des pipelines de données.Il agit comme référent technique senior, garant des standards d’ingénierie et de la qualité des implémentations des orientations définies par le Head of Data.
Son rôle est d’assurer que les solutions data sont fiables, performantes, scalables et maintenables, sans responsabilité managériale hiérarchique.
1.Standards d’ingénierie et cohérence technique
Définir avec le Head of Data les standards techniques applicables aux développements data :
- Patterns d’architecture des pipelines (ingestion, transformation, exposition)
- Standards de développement (Spark, SQL, Python, notebooks)
- Bonnes pratiques de modélisation physique et logique
- Règles de performance, optimisation et maîtrise des coûts
- Guidelines de qualité logicielle appliquées à la data
- Veiller à leur application cohérente dans les équipes Data Engineering.
2.Industrialisation des pipelines et dataproducts
Garantir la robustesse des solutions data en production :
- Structuration des pipelines critiques et réutilisables
- Fiabilisation des traitements (idempotence, reprise,backfill)
- Optimisation des performances et des coûts de traitement
- Réduction de la complexité technique et de la dette existante
- Contribution à la standardisation des patterns dedelivery
3.Qualité technique et excellence d’ingénierie
Promouvoir des pratiques d’ingénierie proches du software engineering :
- Mise en place de tests (unitaires, intégration, dataquality)
- CI/CD des pipelines et notebooks
- Versioning des assets data (code,datasets, modèles)
- Observabilité technique (logs, monitoring, métriques)
- Revue de code et validation des designs techniques
4.Référent technique transverse