> Markdown version of [/jobs/ext/4071878-data-engineer-experimente-e-h-f](https://www.wearedevelopers.com/jobs/ext/4071878-data-engineer-experimente-e-h-f). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Data Engineer Expérimenté·e H/F

- **Company:** Valeuriad
- **Location:** Nantes, France (Remote available)
- **Experience:** Expert
- **Salary:** €40,000.0 - €48,000.0
- **Contract:** Permanent contract
- **Skills:** Java (Programming Language), Amazon Web Services, Amazon S3, Apache HTTP Server, Microsoft Azure, Big Data, BigQuery, Cloud Computing, Cloudera Impala, Configuration Management, Continuous Integration, Data Governance, Data Transformation, Apache Hadoop, Hadoop Distributed File System, Apache HBase, Apache Hive, IntelliJ IDEA, Python (Programming Language), Apache Oozie, RabbitMQ, Scala (Programming Language), SonarQube, Sqoop, Data Streaming, Teradata SQL, Google Cloud, File Transfer Protocol (FTP), Apache Yarn, Apache Spark, Gitlab, Git, Apache Flink, Apache Kafka, Dataiku, Kibana, Ambari, Jenkins, Databricks
- **Published:** October 7, 2026
- **Apply:** https://www.hellowork.com/fr-fr/emplois/84086378.html

## About the Role

* Une expérience solide : Tu as 5 ans d'expérience minimum dans la tech, dont au moins 3 ans dédiés à la construction de pipelines de données complexes.
 * Des outils : Tu maîtrises au moins plusieurs outils parmi notre stack technique : Hadoop, Spark, Kafka, Java/Python, DBT, Databricks Big Query, GCP/AWS/Azure...

Ta posture :

 * Pédagogue et bon communiquant.e : Tu sais te mettre au niveau de ton interlocuteur, qu'il soit Décideur, Tech ou Métier.
 * Proactif·ve : Tu cherches à progresser continuellement en effectuant une veille active et tu as à coeur de partager tes découvertes avec tes pairs pour grandir ensemble.
 * Collaboratif·ve : Tu es convaincu·e que la réussite est collective et tu aimes partager tes connaissances.

EUR

Cluster
Google cloud platform
Hadoop
AWS
Kibana
Git
Hive
Pro-activité
Jenkins
Big data
Gouvernance des données
KAFKA
SonarQube
Java

## Description

Technophiles dans l'âme, pour nous, l'excellence technique n'a de sens que si elle s'immerge au coeur des enjeux métiers pour y répondre avec justesse. Nous sommes le trait d'union entre la complexité des flux et la réalité du terrain pour bâtir des solutions robustes qui créent un impact concret et durable.

Ta mission : concevoir et construire les pipelines de données robustes et performants qui alimentent les systèmes de nos clients.

Le défi de ta mission sera d'assurer l'ingestion, la transformation, l'optimisation et l'exposition de flux de données complexes et volumineux (Big Data Apache, Cloud), garantissant que la bonne donnée soit disponible au bon moment pour les analyses et la Data Science.

Ton quotidien

 - Étude, conception et réalisation de traitements Big Data
 - Échanges avec les architectes, les PO/PPO, les développeurs et la gouvernance de données
 - Import, collecte et transformation de données (SFTP, Kafka, RabbitMQ, Teradata Hive via Sqoop)
 - Alimentation et gestion du cluster Hadoop (Spark, Java, IntelliJ, Ambari, Yarn, Oozie)
 - Optimisation et exposition des données pour la Data Science (Kudu, Dataiku)
 - Transformation des données avec Spark (HDFS, Hive, Kafka, HBase, Phoenix)
 - Utilisation de Kudu pour optimiser les requêtes utilisateurs sur les données chaudes
 - Exposition de données sur Dataiku pour la création de modèles de Data Science
 - Réalisation en Java/Flink pour le traitement de flux complexes et volumineux
 - Gestion de la configuration et intégration continue (Git/GitLab, Jenkins, SonarQube)
 - Utilisation d'AWS (S3, Athena) pour la lecture, le requêtage et la transformation des données
 - Suivi des traitements et de la volumétrie avec Kibana.

La Stack Technique :

 - Environnement : Big Data Apache (Hadoop, Spark, Ambari, Hive)
 - Technologies : Hadoop, Ambari, RabbitMQ, Java, Scala, YarnApplication, Teradata, Sqoop, Kudu, Hue, Hive, Impala, Dataiku, Flink, Kafka, Spark, Kibana, Oozie, Git, GitLabCI, Jenkins, AWS, DBT, Databricks, " En tant que Data Engineer, j'ai participé à différentes migrations de SI, de On Premise vers On Premise ou vers Cloud. Ces migrations sont enrichissantes car elles nécessitent de développer des outils de transfert et de contrôle de la donnée, tout en gardant un côté technique et fonctionnel. Cela permet aussi d'identifier les parallèles entre différents outils (dans mon cas, Hadoop et GCP). En tant que garant de ces migrations, j'ai travaillé avec mes coéquipiers pour mettre en place les ingestions existantes sur les nouveaux SI et reprendre l'historique de l'ancien SI via des traitements Spark, en contrôlant que les données soient identiques entre les deux SI."