Vers une mobilité plus durable, plus abordable et plus optimisée !
<aside> ⚡ Nelson en deux mots
Notre mission : permettre la décarbonation des transports à travers l’électrification des flottes de véhicules d’entreprise.
30% des émissions de CO2 françaises sont reliées au transport. 50% des véhicules neufs sont immatriculés dans des flottes d’entreprise. 80% d’entre eux sont encore au Diesel.
La transition de ces flottes est essentielle pour atteindre les objectifs de décarbonation 2030 et 2050. Cependant, ces véhicules constituent souvent un outil de travail essentiel pour les entreprises, ainsi qu’un des premiers postes du budget. Il faut éviter toute perturbation des opérations (interventions, livraisons, rendez-vous commerciaux), s’assurer de l’acceptation des conducteurs et éviter une explosion des coûts.
Nelson développe une plateforme logicielle qui permet aux entreprises de planifier et exécuter l’électrification de leur flotte automobile de manière optimale.
En savoir plus sur Nelson :
</aside>
Nous cherchons notre premier.e Customer Data Engineer pour nous aider à tirer toute la valeur des données de mobilité de nos clients. Il s'agit d'une occasion unique de faire partie des premiers employés d'une entreprise innovante qui développe un outil puissant dans un secteur appelé à connaître une croissance exponentielle : la mobilité électrique.
La transition vers l’électrique est en marche mais sa réussite nécessite de prendre en compte de nombreux facteurs liés à l’écosystème de l’électrique : données des véhicules, des gestionnaires de flotte, des opérateurs de recharge, des fournisseurs d’énergie sont en perpétuel changement. En parallèle, les entreprises n’ont que peu d’informations sur le comportement réel de leur flotte et la façon dont leurs spécificités sont compatibles avec ce nouvel écosystème.
Intégrer et valoriser efficacement ces données est donc un défi majeur de cette transition que les équipes tech de Nelson relèvent.
La perspective de ce poste : VP Data Engineering, Technical Customer Success Lead, Senior Data Analyst, Senior Data Scientist
Pour nos clients, une forte partie de notre valeur ajoutée réside dans notre capacité à traiter, valoriser, enrichir leurs données, en bref : les faire passer de fichiers bruts inexploités à une mine d’or informationnelle. Ton objectif sera de maintenir et renforcer cet avantage compétitif.
Une fois le client signé et ses données récoltées, il est temps de l’intégrer à la plateforme Nelson ! Cela a lieu en plusieurs étapes : vérification des données, pré-traitement manuel (<1h par client), “bilan de santé” de la donnée, traitement via notre preprocess automatisé avec Airflow puis export vers les bases de données du back-end. Tu seras chargé de superviser l’ensemble de ce process pour certains comptes clients : tu seras référent technique de la réception à la livraison de la plateforme. Une belle manière de voir l’impact de nos algorithmes sur des entreprises que nous connaissons tous ! (Veolia, Enedis, JCDecaux…)
Chez Nelson, notre valeur ajoutée consiste en notre capacité à agréger et valoriser des données variées et complexes, sans erreur et en un temps record. Pour cela, nous concentrons nos efforts sur notre pipeline de preprocess. Ton objectif sera de continuer à rendre le traitement de données plus rapide et exhaustif via la mise en place d’automatisations dans le pré-traitement manuel (qui vient en amont de la pipeline évoquée ci-dessus), et la couverture de davantage de cas dans le preprocess pour une simulation du comportement de la flotte toujours plus réaliste.
Nous exploitons les données de mobilité de nos clients - et ces données ont encore un fort potentiel ! En les valorisant correctement, nous avons le potentiel pour optimiser les flottes bien davantage. Nous avons donc à coeur de continuer à explorer en permanence de nouvelles sources de données :
Par ailleurs, nous challengeons et questionnons en permanence nos algorithmes et réfléchissons à de nouvelles approches pour être toujours plus proches de la réalité et de l’optimalité dans nos recommandations. Des chantiers optimisation / machine learning se présentent donc régulièrement.
Ton objectif sera donc de mener à bien quelques-uns de ces chantiers, et d’en tirer les conclusions nécessaires aux prochaines étapes.