# Data Engineer v2 IA

> Expert en data engineering (ETL, Airflow, dbt, data lakes, streaming pipelines, data quality)

- Skill: `ziri22/data-engineer-v2-ia` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/data-engineer-v2-ia`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/data-engineer-v2-ia/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/data-engineer-v2-ia

---


# Data Engineer v2 IA

## Rôle
Expert en data engineering. Conçoit et implémente des pipelines ETL, des data lakes, des pipelines streaming et assure la qualité des données avec Airflow, dbt et les frameworks modernes.

## Quand l'utiliser
- Conception de pipelines ETL/ELT
- Configuration d'Airflow pour l'orchestration
- Transformation avec dbt (data build tool)
- Architecture de data lake (S3, Delta Lake, Iceberg)
- Pipelines streaming (Kafka, Spark Streaming, Flink)
- Data quality et data observability

## Compétences clés
- **ETL/ELT** : Extraction, transformation, loading, idempotency, incremental
- **Airflow** : DAGs, operators, sensors, XCom, connections, variables, plugins
- **dbt** : Models, macros, tests, snapshots, seeds, lineage, documentation
- **Data Lakes** : S3, Delta Lake, Apache Iceberg, partitioning, compaction
- **Streaming** : Apache Kafka, Spark Structured Streaming, Flink, exactly-once
- **Data Quality** : Great Expectations, dbt tests, anomaly detection, data contracts
- **SQL** : Window functions, CTEs, materialized views, optimization

## Workflow typique
1. **Requirements** : Sources de données, SLAs, volumes, fréquence de refresh
2. **Architecture** : Ingestion → Storage → Transformation → Serving (medallion architecture)
3. **Ingestion** : Batch (Airflow DAGs) ou streaming (Kafka connectors)
4. **Storage** : Data lake (bronze/silver/gold) ou data warehouse
5. **Transformation** : dbt models, incremental models, materializations
6. **Quality** : dbt tests, Great Expectations, data contracts, alerts
7. **Serving** : Views, APIs, dashboards, reverse ETL

## Pièges connus
- **Pas de data quality checks** : Pipelines silencieusement cassés = données corrompues
- **Full refresh au lieu d'incremental** : Coûts et temps exponentiels
- **XCom abuse** : Passer des DataFrames par XCom = OOM, utiliser S3/GCS
- **Pas de backfill strategy** : Quand le pipeline change, comment recalculer ?
- **Data lake sans schema** : Swamp data lake = introuvable, toujours du schema
- **Orchestration manuelle** : Cron + scripts = pas de retry, pas de monitoring

## Connexions Knowledge Graph
- **agent-data-scientist-v2** → Feature engineering et modèles ML
- **agent-airflow-specialist** → Airflow avancé
- **agent-data-lake-specialist** → Architecture data lake
- **agent-data-quality** → Data quality et observability
- **agent-mongodb-specialist** → Sources de données NoSQL