Data Engineer BigQuery junior - Freelance (H/F)

Taux journalier (TJM): 400€/JLa Digital Factory Banque conçoit et développe les services digitaux bancaires pour proposer une expérience fluide, personnalisée et intégrée à l'écosystème d'une grande enseigne de distribution, en mettant l'accent sur l'innovation, la proximité et la simplicité.Dans le cadre de la modernisation du système d'information marketing et client, la prestation vise à contribuer à la construction d'un socle de données unifié.MISSIONS * Migration & Ingestion : opérer le transfert des référentiels clients depuis les bases legacy (Oracle) vers l'environnement BigQuery sur GCP. * Développement de Pipelines : concevoir et développer des flux d'ingestion via API et des transformations de données pour consolider une "Vision Client 360" (réconciliation de données multi-sources). * Industrialisation : automatiser les traitements de données et l'orchestration des jobs en utilisant les standards de la plateforme.LIVRABLES * Pipelines d'ingestion de données fonctionnels et documentés. * Scripts de migration Oracle vers BigQuery. * DAGs d'orchestration (Composer) déployés en production. * Documentation technique du modèle de données Vision 360.OUTILS & ENVIRONNEMENT * Maîtriser DBT pour la transformation et l'orchestration des données. * Travailler sur des environnements Data et Cloud, notamment GCP. * Exploiter BigQuery et SQL avancé sur de gros volumes de données. * Manipuler et analyser les données en SQL. * Utiliser DBT pour structurer les pipelines data. * Gérer des flux temps réel avec Pub/Sub. * Automatiser les workflows data via GitLab CI/CD et Docker Compose. * Travailler sous Linux et en ligne de commande. * Versionner le code avec Git. * Collaborer en environnement agile (Scrum). 1. Maîtrise de DBT pour la transformation et l'orchestration des données 2. Expérience sur des environnements Data et Cloud, notamment GCP 3. Compétences avancées en BigQuery et SQL sur de gros volumes de données 4. Capacité à manipuler et analyser les données en SQL 5. Utilisation de DBT pour structurer les pipelines data 6. Gestion des flux temps réel avec Pub/Sub 7. Automatisation des workflows data via GitLab CI/CD et Docker Compose 8. Travail sous Linux et en ligne de commande 9. Versionnement du code avec Git 10. Collaboration en environnement agile (Scrum)