Auf einen Blick
- Aufgaben: Entwickle robuste Datenpipelines und optimiere Cloud-Workflows.
- Unternehmen: Innovatives Unternehmen für Standortintelligenz mit globalem Team.
- Vorteile: Flexibles Arbeiten, 30 Urlaubstage, jährliches Weiterbildungsbudget von 1.200€.
- Weitere Informationen: Hybrides Arbeitsmodell und regelmäßige Teamevents.
- Warum dieser Job: Werde Teil eines dynamischen Teams und forme die Zukunft des datengetriebenen Marketings.
- Qualifikationen: Mindestens 2 Jahre Erfahrung in Analytics Engineering oder Data Engineering.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Bei Adsquare ist unsere Mission von unserem Kernfokus geprägt: Leidenschaft – Komplexe Herausforderungen mit großartigen Menschen, Technologie und Daten zu lösen. Nische – Standortintelligenz für programmatische Werbetreibende. Unsere Kernwerte sind integraler Bestandteil unseres Handelns:
- Drive: Wir verwandeln Ambitionen in Taten.
- Resilience: Wir passen uns an, halten durch und werden stärker.
- No BS: Wir schätzen Ehrlichkeit, Transparenz und klare Kommunikation.
- Humble: Wir wählen Bescheidenheit über Eitelkeit und lassen Ergebnisse für sich sprechen.
- Moral Compass: Wir handeln fair, integer und respektvoll.
Wir suchen Kandidaten, die nicht nur hervorragende technische Expertise mitbringen, sondern auch diese Werte in jedem Aspekt ihrer Arbeit verkörpern.
Ihre Mission
- Pipeline Engineering: Aufbau, Bereitstellung und Wartung robuster Transformationspipelines für hochvolumige Daten. Sie werden am gesamten Lebenszyklus teilnehmen: Aufnahme, Transformation, Tests (Einheit/Integration), Bereitstellung und Überwachung.
- Optimierung & Wartung: Schreiben Sie hocheffizienten Code und arbeiten Sie mit dem Team zusammen, um veraltete Systeme zu refaktorisieren, um die Leistung zu verbessern und die Cloud-Kosten zu senken (z.B. Optimierung von Athena/Snowflake/Redshift-Clustering oder AWS Glue-Jobs).
- Software Engineering Best Practices: Halten Sie sich an die technischen Standards des Teams, indem Sie aktiv CI/CD-Workflows, Containerisierung (Docker) und automatisierte Tests nutzen.
- Datenqualität & Beobachtbarkeit: Konzentrieren Sie sich auf die Infrastrukturüberwachung und implementieren Sie Alarme und Prüfungen (z.B. dbt-Tests, Great Expectations), um Datenqualitätsprobleme zu erkennen, bevor sie die Stakeholder erreichen.
- Zusammenarbeit & Wachstum: Arbeiten Sie eng mit Senior Engineers zusammen, um Architekturen zu planen, aktiv an Code-Reviews teilzunehmen und für technische Strenge innerhalb des Teams einzutreten.
Ihr Profil
Wir suchen einen Data Analytics Engineer, der Daten mit einer Software-Engineering-Mentalität angeht. Sie werden unserem Data Solutions-Team beitreten, um produktionsreife Datenplattformen aufzubauen und zu warten. Dies ist keine Rolle eines Data Analysts. Während Sie den Geschäftskontext verstehen, liegt Ihr Hauptaugenmerk auf technischen Aspekten: Aufbau skalierbarer Workflows, Schreiben von sauberem und testbarem Python/SQL-Code, Automatisierung von Bereitstellungen und Unterstützung bei der Optimierung der Cloud-Infrastruktur. Sie stellen sicher, dass unsere Pipelines zuverlässig, kosteneffektiv und wartbar bleiben. Wir suchen einen Kandidaten mit solider Erfahrung im Bereich Analytics Engineering oder einem starken Hintergrund in der Backend-Entwicklung mit Fokus auf Daten.
Must-Have Skills
- Mindestens 2 Jahre Erfahrung speziell im Bereich Analytics Engineering oder Data Engineering.
- Solide Python-Kenntnisse: Sie schreiben modulare, objektorientierte Codes, nutzen relevante Bibliotheken für Tests und verstehen Ausnahmebehandlung und Protokollierung.
- Starke Fähigkeiten in SQL & dbt: Sie können skalierbare Datenmodelle erstellen (Jinja-Templating, Makros, inkrementelle Strategien) und verstehen Abfrageausführungspläne.
- Fundamentals des Software Engineering: Praktische Erfahrung mit Git-Workflows, CI/CD-Pipelines (z.B. GitHub Actions, GitLab CI) und Containerisierung (Docker).
- AWS Cloud Native Erfahrung: Erfahrung im Aufbau und in der Wartung von Daten-Workflows unter Verwendung serverloser Architekturen wie AWS Lambda, StepFunctions, Glue und Athena.
- Testing-Mindset: Erfahrung in der Implementierung von Unit-Tests und Integrationstests für Datenpipelines, anstatt sich ausschließlich auf manuelle Prüfungen zu verlassen.
- Datenlager-Operationen: Solides Verständnis der Architektur von Data Warehouses (Snowflake, Redshift oder BigQuery), einschließlich Partitionierungs- und Clustering-Konzepten.
Nice to Have
- Erfahrung mit Infrastructure as Code (Terraform) zur Verwaltung von Cloud-Ressourcen.
- Erfahrung mit Orchestrierungstools wie Airflow, Dagster oder Prefect.
- Kenntnisse in Big Data-Verarbeitungsframeworks (Spark/PySpark).
- Erfahrung mit agentic Coding CLI oder IDE-Tools für effizientere Planung, Architektur und Implementierung von Funktionen.
- Vertrautheit mit Dashboarding-Tools (Streamlit, Preset, Tableau usw.) – Hinweis: Dies ist hilfreich für Debugging und Überwachung, aber nicht die Kernfunktion der Rolle.
- B.Sc. oder M.Sc. in Informatik, Ingenieurwesen, Mathematik oder anderen relevanten Bereichen.
Warum wir?
Zusätzlich zu einem wettbewerbsfähigen Paket…
- Wir sind offen für flexible Arbeitsmodelle: Wir arbeiten hybrid und remote von überall auf der Welt bis zu 3 Monate pro Jahr.
- Um Bildung und berufliches Wachstum zu fördern, bieten wir ein individuelles Jahresbudget von 1.200 €.
- Sie haben Anspruch auf 30 Urlaubstage pro Jahr.
- Wir bieten eine Mitgliedschaft im Urban Sports Club, eine betriebliche Altersvorsorge.
- Regelmäßige Teamevents und Unternehmensveranstaltungen, die von unserem People-Team organisiert werden (Vertrauen Sie uns, sie wissen, wie man eine Party schmeißt!).
- Wir statten Sie mit der neuesten Hardware aus und stellen Ihnen alle Werkzeuge zur Verfügung, die Sie zum Gedeihen benötigen.
Gehaltsspanne (jährliche Zielverdienste): 60.000 - 75.000 Euro
Rekrutierungsprozess
- Schritt 1: Wertbasiertes Interview (30 Minuten).
- Schritt 2: Tiefgehendes technisches Interview (1,5 Stunden) mit dem Datenteam.
- Schritt 3: Praktische Datenanalyse-Herausforderung.
- Schritt 4: Team Meet & Greet – der letzte Schritt, um sicherzustellen, dass wir gut zueinander passen.
Arbeitsmodell: Hybrid
Gewünschter Starttermin: So schnell wie möglich
Über uns
Adsquare ist das globale Unternehmen für Zielgruppen- und Standortintelligenz, das Marketing erheblich intelligenter macht. Mit acht Büros weltweit sind wir ein wirklich internationales Unternehmen, aber ein vereintes Team, das auf unsere Vision hinarbeitet: Unternehmen zu befähigen, das Geschäftswachstum zu beschleunigen, indem sie an der Spitze des datengestützten Marketings bleiben. Wir sind Pioniere in der Werbung und Daten. Wir wurden mobil geboren, bevor es eine Notwendigkeit war, und haben datengestützte Werbung im Display und jetzt DOOH vorangetrieben. Wir haben die klügsten Köpfe, die mit der besten Technologie arbeiten, um das Tempo des Wandels voranzutreiben. Wir sind Visionäre. Wir sehen einen besseren Weg für Vermarkter und tun alles, was wir können, um dies zur Realität zu machen. Wir glauben an Innovation und die Kraft der Technologie. Wir glauben daran, ständig zu verbessern, was wir tun, denn die Arbeit ist nie getan. Wir glauben an das, was wir tun, und setzen uns dafür ein, unsere eigenen hohen Standards zu erfüllen. Wenn es ein Problem gibt, lösen wir es bescheiden und ohne Aufhebens oder Verzögerung. Obwohl unsere Technologie erstklassig ist, sind wir in unserem Ansatz bescheiden und unauffällig. Wir sind leidenschaftlich ehrlich, sowohl miteinander als auch mit unseren Kunden. Wir nehmen uns die Zeit, unseren Ansatz für ihr Problem zu erklären, in dem Vertrauen, dass es nichts zu verbergen gibt. Wir sind konsistent und halten unser Wort. Wir nehmen keine Abkürzungen, sondern konzentrieren uns darauf, der zuverlässigste Partner unserer Kunden zu sein. Wir geben Versprechen – und wir halten sie. Infolgedessen verbringen die Kunden gerne Zeit mit uns, weil wir gute Menschen sind.
Data Analytics Engineer (m/f/d) Arbeitgeber: Adsquare
Adsquare ist ein hervorragender Arbeitgeber, der eine dynamische und innovative Arbeitsumgebung bietet, in der Teamarbeit und persönliche Entwicklung großgeschrieben werden. Mit flexiblen Arbeitsmodellen, einem jährlichen Weiterbildungsbudget von 1.200 € und 30 Urlaubstagen pro Jahr fördert das Unternehmen das Wohlbefinden seiner Mitarbeiter. Zudem profitieren die Angestellten von regelmäßigen Teamevents und modernster Hardware, um ihre Fähigkeiten optimal entfalten zu können.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Data Analytics Engineer (m/f/d) erhalten könnten
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Adsquare zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Data Analytics Engineer (m/f/d) mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Data Analytics Engineer (m/f/d) bei Adsquare gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Adsquare vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Adsquare entscheidend sein!