Data Engineer F/H

Viveris
Brussel, Belgium
2 months ago

Role details

Contract type
Permanent contract
Employment type
Full-time (> 32 hours)
Experience level
Starter
Compensation
€40,000.0 - €45,000.0
Working hours
Regular working hours
Languages
English
Job source

Tech stack

Amazon Web Services Amazon S3 Microsoft Azure BigQuery Extract Transform Load (ETL) Data Warehousing DevOps Apache Hadoop Python (Programming Language) SQL Databases Data Streaming Google Cloud
+5 more
Snowflake Apache Spark Data Lakes Pyspark Databricks

Job description

Concevoir, développer et maintenir des pipelines de données robustes (batch & streaming)

  • Industrialiser la collecte, la transformation et la mise Ă  disposition des donnĂ©es (ETL/ELT)
  • Assurer la qualitĂ©, la fiabilitĂ© et la disponibilitĂ© des datasets critiques
  • Participer Ă  la modĂ©lisation et Ă  la structuration des donnĂ©es (Data Lake, Data Warehouse)
  • Collaborer avec Data Scientists & Analysts pour fournir des donnĂ©es fiables et exploitables
  • Contribuer aux choix techniques et Ă  l’évolution de l’architecture data
  • Documenter les pipelines, les schĂ©mas et les bonnes pratiques d’exploitation

Requirements

DiplĂŽmĂ©(e) d’une Ă©cole d’ingĂ©nieur ou d’un Master (Bac+5) en informatique, mathĂ©matiques, data engineering ou domaine Ă©quivalent.Vous justifiez d’une premiĂšre expĂ©rience rĂ©ussie en Data Engineering, idĂ©alement dans un environnement cloud ou distribuĂ©. Vous ĂȘtes reconnu(e) pour :

  • votre sens du dĂ©tail et votre rigueur technique
  • votre capacitĂ© d’analyse et de rĂ©solution de problĂšmes
  • votre autonomie, votre organisation et votre capacitĂ© Ă  travailler en Ă©quipe
  • votre intĂ©rĂȘt pour les architectures data modernes et les bonnes pratiques DevOps La maĂźtrise de l’anglais professionnel est un plus selon les projets. CompĂ©tences techniques:

  • Python / SQL
  • Spark / PySpark (ou Ă©quivalent)
  • ETL/ELT et traitements batch & streaming
  • AWS, Azure ou GCP
  • Data Lake / Data Warehouse (S3, ADLS, BigQuery, Snowflake
)
  • Architectures distribuĂ©es : Spark, Databricks, Hadoop
  • Tests automatiques, observabilitĂ© des pipelines
  • Catalogage & gouvernance (Data Catalog, Data Quality tools)

Benefits & conditions

Rémunération attractive et évolutive

  • Assurance santĂ© DKV
  • Assurance groupe
  • Tickets restaurant
  • Voiture de fonction ou plan mobilitĂ© (sous conditions)
  • Primes d’intĂ©ressement, de participation et de cooptation
  • Jusqu’à 2 jours de tĂ©lĂ©travail par semaine
  • Formation continue via LinkedIn Learning

About the company

Dans le cadre du dĂ©veloppement de nos activitĂ©s data et de la montĂ©e en puissance de nos plateformes analytiques, nous recherchons un Data Engineer pour concevoir, construire et optimiser les pipelines de donnĂ©es alimentant nos applications mĂ©tiers, nos plateformes analytiques et nos modĂšles d’intelligence artificielle.Vous rejoindrez une Ă©quipe Data pluridisciplinaire (Data Engineers, Data Scientists, Data Analysts, Architectes) et interviendrez sur toute la chaĂźne de traitement de la donnĂ©e : ingestion, transformation, structuration, optimisation, industrialisation et monitoring., Viveris est un groupe de conseil et d’ingĂ©nierie spĂ©cialisĂ© dans la conduite et la rĂ©alisation de projets dans les domaines de l’informatique et de l’électronique. S’engager avec Viveris, c’est l’assurance de relever des dĂ©fis techniques et humains tout en travaillant sur des projets innovants dans un environnement collaboratif et solidaire.

Apply for this position

This job is hosted externally. Click below to view the full posting and apply.

Apply on careerjet.be

Good distractions

Talks and stories from around this role — technically off-topic, practically not.

3:27 min

Explaining query execution overhead and caching limitations in BigQuery

Adnan Rahic · JS Congress

4:32 min

Harnessing Spark with Python using PySpark and Py4J

Ayon Roy · LIVE

2:17 min

Mapping the maturity roadmap for scaled devops adoption

Dominik Krichbaum Dominik Krichbaum · WWC Europe 2026

3:09 min

Balancing data science skillings alongside systems engineering rigor

Nico Schmidt · LIVE

3:37 min

Scaling machine learning pipelines from prototypes to petabytes

Julian Joseph · LIVE

2:30 min

Leveraging BigQuery ML for scalable SQL-based segmentation experiments

Julian Joseph · LIVE

Videos

See all

Related articles

See all