Data Engineering

Les data engineers sont les concepteurs, les constructeurs et les gestionnaires de l'infrastructure de données.

Ils développent l'architecture qui permet d'analyser et de traiter les données en fonction des besoins de l'organisation. Ils assurent le bon fonctionnement de l'infrastructure globale de données.

Il existe trois principaux types de data engineers :

• Des architectes qui identifient les besoins de l'entreprise et qui vont jusqu'au développement et à la maintenance de solutions. Ces ingénieurs travaillent sur de nombreux processus, ils prennent la responsabilité du bon fonctionnement de chaque étape du traitement de la donnée. Ils interviennent souvent dans les phases amont, dialoguent avec les décideurs et font des MVP. Ce sont les constructeurs d'une data plateforme.

• Les ingénieurs s'occupant des pipelines de données, ils sont responsables de la mise en place de l'infrastructure qui assure la fiabilité et la sécurité du transport des données. Ils travaillent en collaboration avec de nombreuses équipes. Ils garantissent qu'une donnée arrive bien à destination, peuvent le démontrer ou donner les causes d'un dysfonctionnement.

• Les ingénieurs en charge du traitement et du stockage des données maîtrisent les différentes solutions de stockage, savent écrire les traitements de cleaning, de filtrage et d'agrégation des données. Ils sont souvent responsables de l'alimentation des entrepôts de données ou des data lakes.

• Data Cloud Study
  Découvrir une cible pertinente pour vos activités Data sur Google Cloud Platform et définir la roadmap associée.
• Unified Data Platform
  Rassembler les équipes métiers et informatiques avec une plateforme de données de pointe régie par une vision unique des données de l'entreprise.
• Data Warehouse
  Concevoir et mettre en œuvre un entrepôt de données orienté analytique basé sur Google BigQuery.
• Streaming Enhancement
  Permettre à nos clients de prendre des décisions rapides basées sur leurs données en mettant en place une architecture de streaming de données. Nous proposons à nos clients d'explorer de nouvelles possibilités d'analyse de données en temps réel avec des frameworks serverless. Les données sont streamées à partir d'un bus de messages (avec Kafka, PubSub, Nifi) et analysées pour le métier en temps quasi-réel (avec Apache Beam, Spark Streaming) puis stockées (dans Google Bigquery ou Google Bigtable).
• Machine Learning Engineering
  Aider nos clients à développer et industrialiser leurs projets de Machine Learning. Nous conduisons la réflexion de l'idée à la production, en commençant par l'idéation pour finir par le produit. Conception et implémentation d'un modèle d'inférence standard basé sur les API Google Cloud AI, AI Platform, Bigquery ML et Tensorflow.

SFEIR a obtenu la spécialisation Data Analytics - Services

sur Google Cloud.

Découvrez nos succès client :

• Adeo
• Le Monde