> Markdown version of [/jobs/ext/4143745-data-product-analytics](https://www.wearedevelopers.com/jobs/ext/4143745-data-product-analytics). 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 Product & Analytics

- **Company:** Redion
- **Location:** Saint-Denis, France (Remote available)
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Artificial Intelligence, Data Analysis, Data Governance, Cisco Nexus Switches, Informatica Powercenter, Data Analytics
- **Published:** October 26, 2026
- **Apply:** https://www.indeed.com/viewjob?jk=4f87ba0b34cf33fb

## About the Role

* Diplôme : Master en Data ou équivalent
 * Expérience : · Plus de 7 ans d'expérience en Data, Analytics, Data Product Management ou conseil Data, incluant une expérience concrète de construction ou de pilotage d'un operating model data product (méthodologie, cycle de vie, gouvernance), et pas uniquement la livraison de produits isolés.
 * Parcours / responsabilités internationales et/ou multi-entités
 * Anglais et français courant, langue de travail du Groupe
 * Esprit analytique et capacité à synthétiser des données complexes pour des instances dirigeantes
 * Expérience avérée dans la traduction de problématiques métier en data products et solutions analytiques, ainsi que dans la structuration de la priorisation, des roadmaps et de la mesure de la valeur à l'échelle d'un portefeuille.
 * Pratique réelle de l'écoute et de l'observation des utilisateurs (discovery, entretiens, retours d'utilisabilité) pour éclairer les décisions produit ; il ne s'agit pas d'un profil UX / design dédié.
 * Bonne maîtrise de l'analytique et de la gouvernance des données, et connaissance des plateformes data cloud.
 * Forte orientation business et sens des responsabilités, avec un réel engagement à créer de la valeur pour les collaborateurs, les clients et les partenaires : l'impact nous tient à cœur.
 * Capacité à collaborer de manière ouverte et constructive entre domaines et zones géographiques, en contribuant à une communauté data inclusive et fondée sur la confiance : les personnes nous tiennent à cœur.

Processus de recrutement

1/ Entretien N+1
2/ Entretien RH
3/ Optionnel : test technique, entretien N+2, ou entretien culture fit, Education: Master's degree in Data, or equivalent.

 * 7+ years in Data, Analytics, Data Product Management or Data Consulting, including hands-on experience building or running a data product operating model (methodology, lifecycle, governance), not only delivering individual products.
 * Track record of translating business problems into data products and analytical solutions, and of structuring prioritization, roadmaps and value measurement across a portfolio.
 * Strong project management, stakeholder management and communication skills; ability to work with business and technical teams alike, and to clarify roles and hand-offs across teams.
 * Solid understanding of data analytics, data governance and exposure to cloud data platforms.
 * Genuine practice of listening to and observing users (discovery, interviews, usability feedback) to inform product decisions; this is not a dedicated UX / design skill set.

Languages: Fluent in English and French (English is the Group's working language).

 * Strong business orientation and sense of ownership, with a genuine commitment to delivering value for employees, customers and partners: we care about impact.
 * Ability to collaborate openly and constructively across domains and geographies, contributing to a trust-based and inclusive data community: we care about people.
 * Clear and structured communication, able to explain data products and trade-offs to non-technical audiences: make it simple, make it useful.

## Description

* Data Product transverse
 + Définition du data product : définir clairement ce qu'est un data product chez Redion et en quoi il se distingue d'un rapport, d'un dataset ou d'un cas d'usage ; construire un vocabulaire commun et un ensemble de critères partagés par les équipes centrales et locales.
 + Vision du portefeuille par domaine : cartographier l'existant par domaine (tableaux de bord, datasets, modèles, actifs IA) et accompagner les équipes dans l'identification des produits que chaque domaine devra progressivement construire.
 + Product Operating Model : définir la méthodologie commune applicable à tous les domaines : discovery, définition et spécifications produit, roadmap et backlog, priorisation, cycle de vie de l'idéation au décommissionnement, ownership, gouvernance et mesure de la valeur.
 + De la livraison à l'impact : s'assurer que les produits génèrent un impact mesurable : KPI d'adoption et de valeur suivis et exploités pour chaque produit ; accompagner le lancement, la présentation et l'adoption des produits.
 + Leviers d'adoption - marketplace & expérience utilisateur : activer les leviers qui facilitent l'adoption : une marketplace permettant aux équipes centrales et locales de publier des produits que les utilisateurs peuvent trouver, comprendre, utiliser en confiance et auxquels ils peuvent accéder ; et une pratique systématique consistant à se mettre à la place des utilisateurs, en testant à quel point il est réellement intuitif de trouver, utiliser et partager ces produits, afin d'améliorer continuellement cette expérience.
 + Gouvernance produit & coaching : piloter la gouvernance des data products et accompagner les équipes data, au niveau central et local, dans les pratiques produit, en s'appuyant sur ses propres domaines comme exemples concrets.
Data Business Partner - Nouveaux domaines

 + Partenariat : être l'interlocuteur data principal des parties prenantes métier ; instaurer la confiance, comprendre leurs processus et leurs décisions ; transformer les problématiques métier (et pas uniquement les demandes) en data products et en cas d'usage.
 + Product ownership : porter et prioriser la roadmap et le backlog data product de chaque domaine en définissant les besoins fonctionnels ; piloter la livraison avec la Data Factory, responsable de la réalisation ; privilégier les MVP et les itérations rapides ; réutiliser les actifs avec les autres Data Business Partners.
 + Intégration de sources & analytique : coordonner l'intégration de nouvelles sources dans la plateforme data avec les équipes Data Engineering et Plateforme ; définir les besoins et spécifier les modèles de données et les solutions, aligner les KPI, piloter l'analytique du domaine et accompagner les cas d'usage IA.
 + Déploiement pays : travailler en coordination directe avec le Country Enablement Lead pour accompagner l'intégration des pays et des entités sur les data products Nexus, et favoriser l'adoption locale.
 + Gouvernance & construction du contexte : travailler en collaboration avec le Data Governance Lead pour documenter en détail l'ensemble des projets et data products de ses domaines afin d'enrichir notre outil de gouvernance des données (Informatica CDGC) et notre contexte IA (Nao). Veiller au respect des exigences en matière de protection des données personnelles et de gouvernance.
Indicateurs de réussite à 6 mois

 + Les nouveaux domaines disposent de roadmaps produit, avec de premiers produits livrés et mesurés.
 + Les pratiques éprouvées dans ces domaines sont adoptées par le reste de l'équipe Data centrale et par les équipes locales.
 + Le Product Operating Model et les portefeuilles par domaine (existants et cibles) sont documentés.
 + Les premières briques de la marketplace sont en production, conformément à la définition du data product et à l'Operating Model validés., Cross-Domain Data Product
 * Data product definition: clearly define what a data product is at Redion, and how it differs from a report, a dataset or a use case; build a shared vocabulary and set of criteria used by central and local teams.
 * Portfolio vision by domain: map what already exists today (dashboards, datasets, models, AI assets) by domain; and support others to identify the products each should progressively build next.
 * Product Operating Model: define the common methodology that applies across domains: discovery, product definition and specifications, roadmap and backlog, prioritization, lifecycle from ideation to retirement, ownership, governance and value measurement.
 * From delivery to impact: ensure products deliver measurable impact: adoption and value KPIs tracked and acted upon for every product; support the launch, presentation and adoption of products.
 * Adoption levers - marketplace & user experience: activate the levers that make adoption easier: a marketplace so central and local teams can publish products that users can find, understand, trust and access; and a systematic practice of putting yourself in users' shoes, testing how intuitive it really is to find, use and share these products, to keep improving that experience.
 * Product governance & coaching: run the data product governance and coach data teams, centrally and locally, in product practices, using the candidate's own domains as live examples.

Data Business Partner - New Domains

 * Partnering: act as primary data contact for business stakeholders; build trust, understand their processes and decisions; turn business problems (not only requests) into data products and use cases.
 * Product ownership: own and prioritize each domain's data product roadmap and backlog, defining the functional needs; steer delivery together with the Data Factory, which owns build execution; favor MVPs and fast iteration; reuse assets with the other Data Business Partners.
 * Source onboarding & data analytics: coordinate the integration of new sources into the data platform with Data Engineering and Platform teams; define requirements and specify data models & solutions, align KPIs, drive domain analytics and support AI use cases.
 * Country enablement: work in direct coordination with the Country Enablement Lead to support onboarding of countries and business entities on Nexus data products, and drive local adoption.
 * Governance & context building: work in collaboration with the Data Governance Lead to document in details all projects and data products on your domains to enrich our Data Governance tool (Informatica CDGC) and our AI context (Nao). Ensure compliance with privacy and governance requirements.

What Success Looks Like After 6 Months

 * New domains have product roadmaps, with first products delivered and measured.
 * Practices proven in these domains are adopted by the rest of the central Data team and local teams.
 * The Product Operating Model and the domain portfolios (existing and target) are documented.
 * First building blocks of the marketplace are live, reflecting the agreed data product definition and Operating Model.