THE ROLE
As a Senior Data Engineer, you'll design, build and operate the data platform behind Valpay's analytics, reporting, product development and day-to-day operational decisions. Payments data is our core asset - every transaction, settlement and merchant interaction flows through systems you'll help shape.
You'll work alongside Engineering, Product, Finance, Operations and the Growth Pods to make data reliable, accessible and trusted across the company, and increasingly to make it usable by the AI-powered tools and features we're building on top of it.
This is an on-site role at our Montreal office. We build in person: our data, engineering and Growth Pod teams sit together, and the quickest way to untangle a payments data problem is at a whiteboard with the people who own the system.
WHAT YOU'LL DO
• Design, build and maintain scalable data pipelines and ELT/ETL processes across both batch and streaming workloads.
• Model and optimize our Snowflake warehouse - dimensional models, dbt transformations, and the semantic layer that analytics and product teams build on.
• Build the data foundations for payments reporting: transaction lifecycle, settlement and reconciliation, merchant performance and partner revenue.
• Own data quality, integrity, lineage and observability. You'll define what "trustworthy" means here and build the tooling that proves it.
• Improve the performance, reliability and cost efficiency of the platform as transaction volumes grow.
• Prepare and serve data for AI and LLM use cases - clean, well-documented, well-governed datasets that internal AI tools and customer-facing features can depend on.
• Partner with stakeholders across the business to turn open-ended questions into well-scoped data solutions.
• Work with software engineers to embed data solutions into customer-facing products and internal systems.
• Set and document the standards, patterns and practices the data team will grow into.
WHAT YOU'LL BRING
• 5+ years building and running production data systems as a Data Engineer, Analytics Engineer, or in a closely related role.
• Advanced SQL and strong Python (or a comparable language), with production engineering habits - version control, testing, code review, CI/CD.
• Hands-on experience with our core stack: Snowflake, dbt and Airflow, or close equivalents you can carry across quickly.
• Strong data modeling and warehousing fundamentals - dimensional modeling, incremental patterns, slowly changing dimensions - and a working understanding of distributed data systems.
• Experience on a major cloud platform (AWS, Azure or GCP).
• A track record of working cross-functionally and explaining technical trade-offs to people who don't share your background.
• A degree in Computer Science, Engineering, Mathematics, Statistics or a related quantitative field - or equivalent hands-on experience.
NICE TO HAVE
• Experience in payments, fintech, financial services or another transaction-heavy, accuracy-critical environment.
• Direct exposure to embedded payments, PayFac models, merchant acquiring or payment processing.
• Experience building data infrastructure for AI/LLM applications - retrieval pipelines, vector stores, context or feature layers, evaluation datasets.
• Fluency with AI-assisted development tools in your day-to-day engineering work.
• Real-time streaming and event-driven architectures (Kafka, Kinesis or similar).
• Familiarity with data governance, privacy and security in regulated environments (PCI DSS, SOC 2, Quebec's Law 25, GDPR).
• Experience building customer-facing data products or analytics platforms.
WHAT SUCCESS LOOKS LIKE
• In your first 90 days, you know our payments data model end to end and have shipped improvements to the pipelines the business depends on most.
• By six months, data quality and observability are measurably better - teams trust the numbers and stop rebuilding their own versions of them.
• By twelve months, the platform handles materially higher volume without a proportional rise in cost or incidents, and the patterns you've set are how the team builds by default.
WORKING AT VALPAY
This is a full-time, on-site position based in our Montreal office.
LE POSTE
À titre d'ingénieur(e) de données principal(e), vous concevrez, bâtirez et exploiterez la plateforme de données qui soutient l'analytique, la production de rapports, le développement de produits et les décisions opérationnelles quotidiennes de Valpay. Les données de paiement sont notre actif central : chaque transaction, chaque règlement et chaque interaction marchande transite par des systèmes que vous contribuerez à façonner.
Vous collaborerez avec les équipes d'ingénierie, de produit, des finances, des opérations et les Growth Pods afin de rendre les données fiables, accessibles et dignes de confiance dans toute l'entreprise - et, de plus en plus, exploitables par les outils et fonctionnalités alimentés par l'IA que nous développons par-dessus.
Ce poste s'exerce en présentiel à notre bureau de Montréal. Nous bâtissons ensemble, sur place : nos équipes de données, d'ingénierie et nos Growth Pods travaillent côte à côte, et la façon la plus rapide de dénouer un problème de données de paiement reste le tableau blanc, avec les personnes qui connaissent le système.
VOS RESPONSABILITÉS
• Concevoir, bâtir et maintenir des pipelines de données évolutifs et des processus ELT/ETL, en traitement par lots comme en continu.
• Modéliser et optimiser notre entrepôt Snowflake : modèles dimensionnels, transformations dbt et couche sémantique sur laquelle s'appuient les équipes d'analytique et de produit.
• Bâtir les fondations de données de la production de rapports sur les paiements : cycle de vie des transactions, règlement et rapprochement, performance des marchands et revenus des partenaires.
• Assumer la responsabilité de la qualité, de l'intégrité, de la traçabilité et de l'observabilité des données. Vous définirez ce que " fiable " signifie ici et bâtirez les outils qui le démontrent.
• Améliorer la performance, la fiabilité et l'efficience des coûts de la plateforme à mesure que les volumes de transactions augmentent.
• Préparer et livrer les données destinées aux cas d'usage d'IA et de grands modèles de langage (GML) : jeux de données propres, bien documentés et bien encadrés, sur lesquels nos outils internes d'IA et nos fonctionnalités clients pourront compter.
• Travailler avec les parties prenantes de l'entreprise pour transformer des questions ouvertes en solutions de données bien cadrées.
• Collaborer avec les développeurs pour intégrer les solutions de données aux produits destinés aux clients et aux systèmes internes.
• Établir et documenter les normes, les pratiques et les modèles de référence qui guideront la croissance de l'équipe de données.
VOTRE PROFIL
• 5 ans ou plus d'expérience à bâtir et à exploiter des systèmes de données en production, à titre d'ingénieur(e) de données, d'ingénieur(e) analytique ou dans un rôle étroitement lié.
• Maîtrise avancée du SQL et solide maîtrise de Python (ou d'un langage comparable), avec de bonnes pratiques d'ingénierie en production : gestion de versions, tests, revue de code, CI/CD.
• Expérience pratique de notre pile technologique : Snowflake, dbt et Airflow, ou des équivalents proches que vous pouvez transposer rapidement.
• Solides bases en modélisation et en entreposage de données - modélisation dimensionnelle, traitements incrémentiels, dimensions à évolution lente - et bonne compréhension des systèmes de données distribués.
• Expérience d'une grande plateforme infonuagique (AWS, Azure ou GCP).
• Un parcours démontrant votre capacité à travailler de façon transversale et à expliquer des compromis techniques à des personnes qui ne partagent pas votre expertise.
• Un diplôme en informatique, en génie, en mathématiques, en statistique ou dans une discipline quantitative connexe - ou une expérience pratique équivalente.
ATOUTS SUPPLÉMENTAIRES
• Expérience dans les paiements, les technologies financières, les services financiers ou un autre environnement à fort volume transactionnel où l'exactitude est critique.
• Exposition directe aux paiements intégrés, aux modèles PayFac, à l'acquisition de marchands ou au traitement des paiements.
• Expérience de la construction d'infrastructures de données pour des applications d'IA ou de GML : pipelines de recherche documentaire, bases vectorielles, couches de contexte ou de caractéristiques, jeux de données d'évaluation.
• Aisance avec les outils de développement assistés par l'IA dans votre travail quotidien.
• Architectures de diffusion en continu en temps réel et architectures événementielles (Kafka, Kinesis ou équivalents).
• Connaissance de la gouvernance, de la confidentialité et de la sécurité des données en environnement réglementé (PCI DSS, SOC 2, Loi 25, RGPD).
• Expérience de la création de produits de données ou de plateformes analytiques destinés aux clients.
CE À QUOI RESSEMBLE LA RÉUSSITE
• Après 90 jours, vous maîtrisez notre modèle de données de paiement de bout en bout et avez livré des améliorations aux pipelines les plus critiques pour l'entreprise.
• Après six mois, la qualité et l'observabilité des données se sont améliorées de façon mesurable : les équipes se fient aux chiffres et cessent d'en reconstruire leurs propres versions.
• Après douze mois, la plateforme absorbe des volumes nettement plus élevés sans hausse proportionnelle des coûts ni des incidents, et les modèles que vous avez établis sont devenus la façon de faire par défaut de l'équipe.
TRAVAILLER CHEZ VALPAY
Il s'agit d'un poste à temps plein, en présentiel, à notre bureau de Montréal.
