Smartway (Zéro-Gâchis) est une aventure humaine sincère et impliquée dans la lutte contre le gaspillage alimentaire.
Un magasin alimentaire jette autant que ce qu’il gagne ! Alors que de plus en plus de consommateurs sont dans le besoin, lutter contre ce gaspillage doit être une priorité : les magasins peuvent aujourd’hui y remédier, tout en augmentant leur rentabilité.
Entreprise engagée depuis 2012, à l’origine des rayons « Zéro-Gâchis », Smartway a créé le premier Food Waste Management System pour optimiser le parcours des produits alimentaires en fin de vie.
Reposant sur une intelligence artificielle unique, les solutions Smartway guident les équipes en magasin pour détecter les produits approchant de leur date de péremption et décider de la meilleure façon de les revaloriser : étiquetage d’une remise pertinente ou don simplifié aux associations caritatives.
Smartway a la conviction que les enjeux environnementaux d’aujourd’hui ne doivent plus être ceux de demain et que la technologie au service du gaspillage est l’avenir !
Nous recherchons un(e) Data Analyst expérimenté(e) / Data Project Manager > C’est peut-être toi ?
Au sein d’une équipe de 8 personnes (DA, DE, DS) et rattaché(e) au CDO, tu joueras un rôle clé, de part ton experience, dans la structuration Data et tu sera amené(e) à exploiter et interpretrer les données pour en dégager des observations business utiles dans l’objectif d’améliorer les performances et stratégies à déployer.
🎯 Tu auras comme principales missions de :
1. Garantir les données du(es) domaine(s) métier.
- Garantir les données du domaine métier et coordonner le processus qualité, depuis les sources jusqu’à leur exploitation décisionnelle et leur préparation aux travaux Data Science.
- Gérer la gouvernance des données du domaine : qualité, fiabilité, exploitabilité et conformité à la réglementation.
- Créer, organiser et rendre disponibles les data sets comme un produit sur étagère.
- Par délégation et dans le périmètre du(es) domaine(s), assurer la gouvernance des données : créer et maintenir la description des jeux de données (metadata), leur documentation et la conformité des durées de rétention, des traitements et des destinations (Privacy Impact Assessment).
- Enrichir et compléter les jeux de données avec des données externes.
- Maintenir la disponibilité et l’exploitabilité des données du domaine de manière pérenne à tous les utilisateurs/consommateurs (Data Scientist, utilisateurs métiers).
- Récolter continuellement les expressions de besoins et l’évolution des usages internes (utilisateurs métier) et externes (utilisateurs clients) et adapter les jeux de données.
2. Modéliser les données du(es) domaine(s) métier.
- Déterminer les mesures et les KPIs du(es) domaines métiers.
- Déterminer les critères de segmentation et les dimensions d’analyse.
- Modéliser et maintenir des datamarts.
- En collaboration avec les Data Engineers, participer à l’optimisation du stockage des données et leurs restitutions (adéquation du modèle avec l’infrastructure et stratégie de requêtage).
- Élaborer / exploiter des informations métier (features) avec les Data Scientists.
3. Exploiter les données.
- En collaboration avec les Data Scientists, mettre à disposition les datasets et extraire les informations permettant de rendre actionnable les data (feature engineering).
- Élaborer les tableaux de bord internes (utilisateurs métier) et externes (clients).
- Participer à la data visualisation des données intégrée dans les applications et produits de l’entreprise.
4. Être l’interface entre les métiers et le pôle data.
- Être l’interface entre les métiers et le pôle Data, traduire les besoins en modélisation décisionnelle et restitution de l’information.
- Réaliser des analyses ad’hoc à destination des différents pôles de l’entreprise, afin de les aider dans leurs décisions du quotidien (itération sur une feature, création d’un business model,..).
- Accompagner dans la prise en main des tableaux de bords et être en support des utilisateurs.
- Former, apporter des compétences techniques et business et accompagner ses pairs dans un objectif d’amélioration continue.
- Faire de la veille, proposer, conseiller et veiller aux meilleures solutions Data Visualisation/BI, modélisation et processus.
- “Peer review” du travail des ses collègues de l’équipe Data.