Live Jobs

Aufgabenbereiche:

• Entwicklung, Implementierung und Wartung von skalierbaren Datenpipelines und ETL-Prozessen (Extract, Transform, Load).
• Design und Implementierung von Datenmodellen und Datenbanken, um die Datenintegrität und -qualität sicherzustellen.
• Zusammenarbeit mit Data Scientists und Data Analysts, um sicherzustellen, dass die Datenanforderungen erfüllt werden und die Daten für Analysen und maschinelles Lernen verfügbar sind.
• Optimierung der Datenverarbeitungssysteme, um die Leistung und Effizienz zu verbessern.
• Implementierung von Daten-Governance- und Sicherheitsrichtlinien, um den Schutz und die Compliance sensibler Daten zu gewährleisten.
• Unterstützung bei der Entwicklung und Pflege von Daten-Dashboards und Berichten zur Visualisierung von Daten.
• Kontinuierliche Überwachung und Wartung der Dateninfrastruktur, um Ausfallzeiten zu minimieren und die Systemverfügbarkeit zu maximieren.
• Mitarbeit bei der Auswahl und Implementierung neuer Technologien und Tools zur Verbesserung der Datenverarbeitung und -analyse.

Anforderungen:

• Abgeschlossenes Studium in Informatik, Datenwissenschaft, Ingenieurwesen oder einem verwandten Bereich.
• Mindestens 3 Jahre Berufserfahrung im Bereich Data Engineering oder einer ähnlichen Rolle.
• Starke Kenntnisse in SQL und Erfahrung mit relationalen Datenbanken (z.B. MySQL, PostgreSQL).
• Erfahrung mit Big Data-Technologien wie Hadoop, Spark, Hive oder Kafka.
• Kenntnisse in Programmiersprachen wie Python, Java oder Scala.
• Erfahrung mit Cloud-Plattformen wie AWS, Google Cloud oder Azure.
• Vertrautheit mit ETL-Tools und -Frameworks (z.B. Apache NiFi, Talend, Airflow).
• Kenntnisse in Datenmodellierung und Datenarchitektur.
• Erfahrung mit Datenvisualisierungstools wie Tableau, Power BI oder Looker.
• Starke analytische Fähigkeiten und Problemlösungskompetenz.
• Gute Kommunikationsfähigkeiten und die Fähigkeit, technische Konzepte klar und verständlich zu erklären.

Wünschenswert:

• Erfahrung mit NoSQL-Datenbanken (z.B. MongoDB, Cassandra).
• Kenntnisse in maschinellem Lernen und Data Science.
• Erfahrung mit agilen Entwicklungsmethoden und DevOps-Praktiken.
• Zertifizierungen in relevanten Technologien (z.B. AWS Certified Big Data, Google Professional Data Engineer).