Data Analyst BI - Private Equity

Description du client

La mission se déroule au sein d'une société de gestion spécialisée en private equity et en finance durable, qui gère 17 Md€ d'encours et appartient à un groupe d'assurance mutualiste de 200 Md€. Les équipes data y travaillent sur une stack Google Cloud Platform : BigQuery comme entrepôt, dbt pour les transformations, Airflow et Cloud Composer pour l'orchestration, Looker pour la restitution. Les données proviennent d'un PMS private equity et de plusieurs applicatifs métier.

Le sujet confié au ou à la freelance porte sur les frais de gestion et les seuils contractuels des fonds. Aujourd'hui, ces calculs s'appuient sur une information dispersée entre le PMS, des fichiers Excel, les règlements et prospectus des fonds et les contrats clients. L'objectif est de convertir ces règles documentaires en règles de calcul industrialisées couvrant l'intégralité du portefeuille, avec une échéance fixée à janvier 2027.

Objectifs de la mission

Il s'agit de prendre en charge la chaîne complète, de la lecture des documents contractuels jusqu'au tableau de bord mis en production, puis d'en transmettre la maintenance à l'équipe BI interne.

• Prendre connaissance de l'expression de besoin rédigée par le responsable BI & IA et approfondir la compréhension des règles métier associées aux frais de gestion.
• Extraire des règlements de fonds, prospectus, bilans et contrats clients les paramètres et les règles de calcul à implémenter.
• Modéliser et développer les transformations SQL et dbt Core sur les données du PMS private equity chargées dans BigQuery.
• Construire la restitution Looker / LookML : frais par fonds et par client, seuils contractuels, dépassements et exceptions.
• Industrialiser la chaîne de bout en bout : orchestration Airflow et Cloud Composer, tests, recette avec les parties prenantes, mise en production.
• Questionner la qualité des données déclaratives propres au non-coté et arbitrer avec le métier avant d'implémenter.
• Documenter les règles de calcul retenues et organiser la passation à l'équipe BI interne.

Profil recherché

Le client cherche avant tout un·e data analyst qui comprend les opérations financières. La maîtrise des outils de la stack est un atout, mais elle vient après la compréhension métier : c'est explicitement l'ordre de priorité posé par le client.

• 2 à 4 ans d'expérience minimum en data analyse, dont une expérience confirmée dans le secteur financier : transactions, positions, valorisations, et la capacité à distinguer ce qui s'agrège de ce qui ne s'agrège pas.
• SQL solide appliqué à des modèles de données financières : modélisation, transformations, contrôles de cohérence.
• Aptitude démontrée à lire un règlement de fonds, un prospectus ou un contrat client et à en tirer des paramètres de calcul implémentables.
• Habitude des données imparfaites et largement déclaratives : identifier les zones d'incertitude et aller chercher la réponse auprès du métier plutôt que dérouler une spécification.
• Résidence en Île-de-France, le présentiel à Paris 8e étant quasi exclusif.
• Appréciés : connaissance du private equity et du non coté (frais de gestion, structures de commissionnement), pratique de BigQuery, dbt, Looker/LookML et Airflow, expérience d'un PMS private equity de type eFront.

FAQ

La mission est-elle ouverte au télétravail complet ?

Non, le full remote est exclu sur cette mission de data analyst BI. Le présentiel dans les locaux parisiens du 8e arrondissement est quasi exclusif, et le poste de travail fourni par le client ne sort pas des bureaux.

Faut-il déjà maîtriser BigQuery, dbt, Looker et Airflow pour postuler ?

Ce n'est pas le critère déterminant : le client indique explicitement que l'outil s'apprend et que la connaissance métier prime. Une pratique préalable de BigQuery, dbt Core, Looker/LookML ou Airflow constitue un plus, mais l'expérience des opérations financières et la solidité en SQL passent devant.

Quel niveau d'expérience en finance est attendu ?

Le client attend une expérience confirmée dans le secteur financier, avec une manipulation concrète de transactions, de positions et de valorisations. Il s'agit du premier critère de sélection, avant même la connaissance spécifique du private equity, qui reste appréciée.

Quel est le rythme attendu et quand la mission démarre-t-elle ?

La mission est à temps plein, avec un démarrage dès que possible. Le projet d'industrialisation des frais de gestion est cadré par une échéance ferme en janvier 2027.

Le périmètre se limite-t-il au développement des transformations ?

Non, le périmètre couvre l'ensemble de la chaîne : traduction des règles contractuelles en règles de calcul, modélisation SQL et dbt sur BigQuery, construction du tableau de bord Looker, orchestration Airflow et Cloud Composer, tests et mise en production. La documentation des règles et la passation à l'équipe BI interne font partie des livrables.

Le sujet est-il purement technique ou implique-t-il un échange avec le métier ?

L'échange avec le métier est structurant : les règles de calcul se trouvent dans des règlements de fonds, prospectus et contrats clients qu'il faut interpréter, et les données du non-coté sont largement déclaratives. Le client attend une posture d'interrogation des parties prenantes plutôt qu'une exécution de spécification.

Mots-clés associés

mission freelance data analyst BI Paris, consultant data analyst finance Île-de-France, freelance BigQuery dbt Looker, mission data analyst private equity, consultant BI société de gestion, freelance SQL données financières, mission LookML tableau de bord financier, data analyst frais de gestion et commissionnement, freelance dbt Core Airflow GCP, mission data analyse non coté eFront, consultant data finance durable Paris 8e