CDI - Directeur Data Factory H/F - 75

Poste en CDI, basé à Paris (1er arrondissement), à pourvoir dès que possible.

La division Mode

La Mode est l'activité originelle de la Marque. Deux collections de Haute Couture, six collections saisonnières de Prêt-à-Porter et d'accessoires et deux collections capsules d'inspiration sportswear et lifestyle - Coco Beach et Coco Neige - proposent un style captant l'air du temps et s'inscrivent dans le quotidien des femmes. Une silhouette en mouvement et des accessoires constituent une part essentielle de l'allure de CHANEL et des codes intemporels de la Marque, immédiatement identifiables, imaginés par Gabrielle Chanel.

Votre impact chez CHANEL

La Direction Business Performance & Data de CHANEL Mode a pour ambition de structurer, accélérer et démocratiser l'usage de la donnée à travers toute la Division. Pour cela, elle s'appuie sur une Data Factory à l'organisation agile et industrialisée, dédiée à la construction de produits data à haute valeur ajoutée pour les métiers de la Mode. La Data Factory prend également en charge les pipelines d'intégration de données. Elle s'appuie sur l'expertise de l'équipe Data Technologie pour les environnements, les frameworks et les architectures, ainsi que sur l'équipe Data Gouvernance pour assurer la qualité, la conformité et l'accessibilité des données. Elle assure un processus fluide de move-to-run avec l'équipe Service Delivery, garantissant la mise en production et le support des produits data. Selon les cas, l'équipe Factory peut travailler en autonomie avec les métiers ou bien intervenir en délégation sous le pilotage d'autres domaines IT.

Vous définissez et mettez en oeuvre la stratégie de la Data Factory pour la Division Mode, en alignement avec la stratégie data globale et les priorités métiers. Vous transformez les méthodes, outils et pratiques afin de :

- Démocratiser un selfservice utile, utilisable et utilisé (de l'exploration à la visualisation).
- Accélérer les cas d'usage Data Science & ML de l'idée à la valeur en production (MLOps).
- Garantir un delivery industrialisé et un run fiable, en partenariat étroit avec Data Technologie, Data Gouvernance et Service Delivery.

Périmètre & rattachements

- Périmètre : Produits data, pipelines d'intégration, plateformes & outillage de la Factory, enablement des métiers (selfservice), industrialisation des modèles de Data Science.
- Interfaces clés : Data Technologie (plateformes, frameworks, architectures), Data Gouvernance (qualité, conformité, accessibilité), Sécurité IT, Domaines IT Métiers, équipes Innovation & Data Science, Service Delivery (movetorun & exploitation), Data Adoption
- Localisation : Paris & déplacements ponctuels.

Missions & responsabilités

1) Vision, stratégie & portefeuille

- En partenariat avec les équipes Adoption, Gouvernance, Technologie, définir la feuille de route pluriannuelle de la Data Factory (3 ans), priorisée par la valeur métier, le risque et la faisabilité.
- Participer à l'arbitrage et au pilotage d'un portfolio multidomaines (Retail, Collection, Supply, Finance...), avec un cadre économique (OPEX/CAPEX, TCO, ROI/VOI).
- Établir des OKR (objectifs & résultats clés) clairs : adoption, timetovalue, qualité, fiabilité, sécurité, durabilité.

2) Transformation des méthodes & outillage

- Faire évoluer le modèle vers un product operating model : Data Product Management (vision, roadmap, métriques d'usage), Discovery > Delivery.
- Industrialiser les pratiques d'ingénierie data : CI/CD data & BI, tests automatisés (data tests, schema contracts), data observability (qualité, fraîcheur, complétude), monitoring & alerting.
- Mettre en place un design system data & BI (guidelines de modélisation sémantique, standards de visualisation, UX, accessibilité).
- Déployer des patterns & frameworks réutilisables (ingestion, transformation, orchestration, sécurité, documentation) pour réduire le cycle de delivery.
- Déployer la vision Fashion Data Platform V2 basée sur l'éco-système Databricks / Fabric

3) Selfservice data (gouverné & sécurisé)

- Concevoir et piloter le programme selfservice : segmentation des usages (explorateurs, analystes, décideurs), couches sémantiques communes, jeux de données certifiés, catalogue (recherche & lignage), politiques d'accès (RBAC/ABAC) et gouvernance.
- Établir des niveaux d'autonomie (tiers d'autonomie) et un modèle de fédération (champion network, data stewards, training & enablement).
- Mesurer l'adoption (MAU, réutilisation de datasets, NPS), la qualité et l'impact (décisions, gains de productivité).

4) Accélération Data Science & MLOps

- Créer la chaîne de valeur Data Science de bout en bout : environnement d'expérimentation, gestion des features, MLOps (versioning, CI/CD modèles, déploiement, monitoring drift/performance).
- Prioriser des use cases à fort impact et orchestrer leur industrialisation (de la preuve de valeur aux services en production).
- Définir des standards d'éthique & conformité (privacybydesign, biais, explicabilité selon les contextes métiers) en partenariat avec Data Gouvernance et Sécurité.

5) Excellence de delivery & movetorun

- Superviser le delivery de la collecte des besoins à la mise en production, dans un cadre agile (rituels, cadences, Definition of Ready/Done).
- Assurer un processus fluide de movetorun avec Service Delivery : SLA/SLO, capacity planning, gestion des incidents & problèmes, CAB/Change.
- Piloter la qualité des livrables (robustes, performants, documentés), et l'observabilité (SLI : fraîcheur, latence, fiabilité).

6) Leadership, talents & culture

- Structurer et animer des équipes pluridisciplinaires (Chefs de Produit Data, Chefs de Projet, Data/BI Engineers, Analytics Engineers, Data Scientists, QA, DevOps/Platform).
- Développer les compétences : formations, coaching, communautés de pratique, parcours de carrière, recrutement & fidélisation de profils clés.
- Porter la culture data et l'accompagnement du changement auprès des métiers.

7) Gouvernance, sécurité & conformité

- Garantir le respect des standards de modélisation, documentation, sécurité (IAM, chiffrement, secrets management), conformité (données personnelles, réglementations locales).
- Coanimer les rituels de gouvernance (comités data, architecture boards, priorisation produit) et aligner les choix avec les architectes et le Tech Lead.
- Superviser la gestion fournisseurs & partenaires (sélection, pilotage de la performance, contractualisation).

Environnement technologique

- Data & Compute : Databricks (Lakehouse), Microsoft Fabric.
- Analytics & Visualisation : Databricks Dashboards & Apps, Power BI (modèles sémantiques, certified datasets, governance).
- Ingénierie & CI/CD : Git/GitHub/Azure DevOps, pipelines, tests automatisés, data contracts.
- MLOps : MLflow/Feature Store/Registry, monitoring, alerting.
- Observabilité & Qualité : data lineage, qualité des données, métriques de fraîcheur/complétude, catalogage.
-

Profil recherché

- Expérience : 15+ ans d'expérience globale dont 10+ ans en direction de programmes/projets data, et 5+ ans en management de managers (équipes pluridisciplinaires).
- Leadership transformationnel : conduite du changement à l'échelle, influence transverse, capacité à aligner vision, feuille de route et exécution.
- Maîtrise des architectures data modernes (lakehouse, streaming/batch), modélisation analytique (faits/dimensions, modèles sémantiques), gouvernance & sécurité, DevOps/DataOps et MLOps.
- Orientation produit : transformer des besoins métiers en produits data adoptés, mesurés et pérennes.
- Qualités personnelles : exigence et pragmatisme, sens du résultat, communication claire, capacité à fédérer dans un environnement complexe, exigeant et créatif.
- Langues : Français & Anglais courants.

Ce que vous apporterez

- Vous avez au moins 15 ans d'expérience dont 10 ans dans la gestion de projets data, et plusieurs en management d'équipe ou en structuration de delivery.
- Vous êtes reconnu(e) pour votre aisance relationnelle, votre capacité à fédérer et motiver, et votre sens du résultat.
- Vous avez une bonne compréhension des architectures data modernes, des outils de BI, des principes de modélisation analytique (faits, dimensions) et des environnements cloud.
- Vous savez transformer un besoin métier en produit data utile, utilisable et utilisé.
- Vous êtes structuré(e), exigeant(e), mais pragmatique, et vous vous inscrivez dans une logique d'amélioration continue.
- Vous êtes à l'aise dans un environnement complexe, exigeant, et créatif comme celui de la Mode.

Ce qui vous enthousiasme & ce que CHANEL pourra vous offrir

- L'indépendance d'une Maison de création qui place l'humain au centre
- Le dynamisme d'un environnement qui cultive l'excellence tout en favorisant l'épanouissement de tous
- Des opportunités d'évolution, de croissance et de parcours multiples dans une Maison attentive à la singularité de chacun.
- Une Maison qui valorise l'excellence, l'humain et l'innovation.
- L'opportunité de construire et piloter une équipe data pluridisciplinaire dans un cadre exigeant mais inspirant.
- Un environnement technologique de pointe, où coexistent Databricks, Microsoft Fabric, Power BI et de nombreux projets d'innovation.
- Un rôle central pour transformer la culture data de la Mode et générer de la valeur tangible.

De la singularité de chacun naît la richesse de nos équipes. CHANEL valorise la diversité sous toutes ses formes et s'engage à traiter équitablement chaque candidature.

Lors de votre premier entretien, nous vous informerons des étapes du process.

La MAISON CHANEL

Fondée par Gabrielle Chanel au début du siècle dernier, CHANEL propose un large éventail de créations haut de gamme, incluant la Haute Couture, le Prêt-à-Porter, la maroquinerie, les accessoires, les lunettes, les parfums, les cosmétiques, le soin, la joaillerie et l'horlogerie. CHANEL est également réputée pour avoir fait l'acquisition d'un grand nombre de fournisseurs spécialisés, manufactures et Métiers d'art, dont onze d'entre eux résident au 19M, entre Paris et Aubervilliers. Dédiée au luxe ultime, CHANEL s'attache à offrir un artisanat exceptionnel. La Marque place historiquement la Création au sein de ses valeurs fondamentales.