- Toss Insurance est une entreprise formée dans le but d'innovation dans le domaine de l'assurance, l'un des différents domaines financiers dans lesquels Toss souhaite innover.
- L'équipe de données/infrastructure de Toss Insurance s'assure que les données dans l'ensemble du secteur de l'assurance sont fiables et cohérentes.
- En raison des spécificités de l'assurance, les données de contrat, de commission, de comportement client et de souscription jouent directement un rôle dans la confiance des clients et la conformité.
- Les données d'assurance ne sont pas de simples chiffres. Elles constituent la base des décisions pour réduire les risques des clients. Notre équipe veille à ce que ces données soient toujours transmises exactement et rapidement aux collègues.
1. Modélisation des données & Construction de DW
- Basé sur les normes de DW de Toss Insurance, nous concevons et exploitons un Data Mart standard pour le domaine responsable (IA Ventes, Contrat, Commission, Client).
- Nous maintenons et gérons le Data Mart afin que nos collègues puissent prendre des décisions basées sur les mêmes données en visant une Source Unique de Vérité.
- Nous concevons une structure qui reflète les principes de conception de bases de données normalisées et les caractéristiques de DW (Orienté Sujet, Intégré, Non Volatil, Variable dans le Temps).
- Nous faisons une distinction claire entre le marché de zone standard (Conformed Mart) et le Data Mart de consommation.
2. Gestion de la qualité des données (DQ)
- Nous développons des logiques de vérification de la cohérence des données et automatisons la surveillance de la DQ.
- Nous effectuons une détection d'anomalies de données adaptées aux spécificités du domaine de l'assurance (erreurs de contrat, incohérences de commission, contrats en double, etc.).
- Nous documentons la définition du Data Mart, les descriptions des colonnes et la logique de calcul à travers un système de gestion des métadonnées, en maintenant l'état à jour.
3. Pipeline & Sécurité
- Nous développons et exploitons des pipelines de traitement par lots sur la base de Airflow.
- Nous effectuons des examens de sécurité des données et gérons les droits d'accès, tels que le masquage des informations personnelles (PII).
- En raison des spécificités du secteur des assurances, nous soutenons la création de livrables de données conformément aux rapports réglementaires et aux normes comptables IFRS.
4. Collaboration avec les développeurs
- Dès le début du développement d'un nouveau service, nous passons en revue la conception des journaux et le modèle de données avec les développeurs de serveurs et proposons des exigences d'analyse.
- Nous collaborons avec des Analystes de Données, des équipes de soutien commercial, des équipes d'exploitation et des équipes de plateforme pour traiter les définitions d'indicateurs et les demandes de données.
- Une maîtrise avancée de SQL est requise. Nous recherchons des candidats capables d’écrire des requêtes d'agrégation complexes, des fonctions de fenêtre et des sous-requêtes de manière lisible.
- Il est indispensable de comprendre les principes de normalisation des bases de données et les modèles de conception de Data Warehouse (Star Schema, Snowflake Schema).
- En tant que modélisateur de données, il est nécessaire de définir clairement les concepts de domaine et de concevoir une structure de données compréhensible et claire.
- Une compétence en communication est nécessaire pour traduire les demandes commerciales en structures de données.
- Il faut faire preuve d'initiative pour découvrir et proposer des solutions aux problèmes de qualité des données.
Technologie principale
- Obligatoire : SQL (MySQL / Oracle), Apache Airflow, Git
- Préféré : Python, dbt, PySpark, Tableau, Snowflake
Qualifications souhaitées
- Une connaissance de Python au moins au niveau débutant (capable d'écrire des DAG Airflow et de comprendre le code des autres) serait un plus.
- Une expérience dans la transformation de données avec dbt (Data Build Tool) est souhaitée.
- Avoir une expérience des environnements de traitement distribué comme PySpark est un plus.
- Une expérience avec des entrepôts de données cloud tels que Snowflake est appréciée.
- Avoir de l'expérience en visualisation/rapport avec Tableau serait un atout.
- Avoir conçu et opéré tout le processus, de la collecte à l'analyse à la visualisation, de A à Z serait un avantage.
- Une compréhension du cadre d'analyse AARRR Funnel serait un atout.
- Des connaissances dans le domaine de l'assurance/finance (contrats, commissions, réclamations, risques) ou une expérience dans le traitement des données associées seraient appréciées.
- Une expérience dans le traitement de grandes quantités de données (plusieurs centaines de millions) serait un atout.
- Avoir une compréhension des caractéristiques des données d'assurance dans le cadre des normes de comptabilité IFRS 17 serait un plus.
Réception des candidatures > Entretien fonctionnel > Entretien d'adéquation culturelle > Négociation salariale > Vérification des références > Acceptation finale
1. Veuillez vérifier les éléments suivants
- Le lieu de travail est au 37ème étage de D-Cube City, 662 Gyeongin-ro, Guro-gu, Séoul.
- Les personnes handicapées et celles ayant le statut de bénéficiaires de l'État bénéficient d'un traitement préférentiel selon la législation applicable.
- Si des informations fausses sont découvertes dans les CV ou les documents soumis, ou s'il existe des mesures disciplinaires dans l'historique professionnel, l'embauche peut être annulée.
- Les personnes interdites de recrutement conformément aux dispositions de Toss Insurance ou celles qui présentent des motifs d'inéligibilité peuvent également voir leur embauche annulée.
2. Il est recommandé de rédiger le CV comme suit
- Si vous avez une expérience en création de DW ou en conception de Data Mart, veuillez indiquer les aspects spécifiques auxquels vous avez contribué.
- Indiquez la taille des données que vous avez gérées (nombre de lignes, nombre de tables, fréquence de traitement) en chiffres.
- Veuillez indiquer les cas spécifiques dans lesquels vous avez découvert et résolu des problèmes de qualité des données.
- Décrivez la manière dont vous avez collaboré avec d'autres professions (développeurs, analystes, équipes commerciales).
- Écrivez la raison pour laquelle vous postulez pour ce poste et les raisons qui vous ont amené à vous intéresser à la domène de Toss Insurance.
- Au lieu de simplement énumérer vos expériences, concentrez-vous sur l'impact et les points d'apprentissage.
