Contexte & EnjeuxLes données de marché de référence (futures, yields, FX, indices, obligations) présentent de nombreuses anomalies non détectées, non tracées et souvent corrigées manuellement. Cette situation entraîne une perte de temps significative et impacte la confiance des équipes Research & Prediction.
Structurer, fiabiliser et industrialiser les contrôles de qualité sur les données de marché. Ce rôle exige une approche technique et analytique pour garantir l'intégrité des données. La mission inclut un audit approfondi ainsi que le développement d'outils en Python. Rémunération à définir selon expérience.
- Réaliser un audit des contrôles existants et cartographier les processus.
- Identifier les lacunes par classe d'actifs et construire un backlog priorisé.
- Développer une librairie modulaire de quality checks en Python.
- Remédier aux données historiques et gérer les escalades avec des fournisseurs comme Bloomberg.
- Mettre en place un monitoring automatisé incluant dashboards KPI et alerting.
- Industrialiser les contrôles en production et réaliser un POC basé sur des LLMs pour générer des contrôles automatiquement.
Diplômé(e) avec 6 à 10 ans d'expérience dans le domaine, vous avez une forte expertise en données financières de marché, notamment avec Bloomberg. Vous maîtrisez Python pour développer des librairies robustes. Une expérience en mise en production est requise (monitoring, dashboards). Un intérêt ou une expérience concrète sur les LLMs appliqués à la data est souhaitable. Vous savez travailler de manière autonome dans un environnement exigeant sans encadrement direct du client.
Possibilité d'évoluer dans un environnement orienté conseil au sein d'un hedge fund quantitatif. Les missions sont conçues pour favoriser l'autonomie tout en garantissant des exigences élevées.
Partager cette mission via
Explore ces missions en lien avec tes compétences et ton expérience.
