Staff Software Engineer - Revenue Intelligence (Remote)

Staff Software Engineer - Revenue Intelligence (Remote)

Zürich Vollzeit Homeoffice
C

Auf einen Blick

  • Aufgaben: Gestalte die Architektur und leite die Entwicklung von kundenorientierten Apps und Backend-Services.
  • Unternehmen: Cloudbeds, ein innovatives Unternehmen im Bereich Revenue Intelligence.
  • Vorteile: Vollständig remote, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
  • Weitere Informationen: Wachstumsorientierte Unternehmenskultur mit vielen Lernmöglichkeiten.
  • Warum dieser Job: Führe spannende Projekte in einem dynamischen Umfeld und mache einen echten Unterschied.
  • Qualifikationen: Erfahrung in Softwareentwicklung und Teamführung erforderlich.

Cloudbeds is seeking a Staff Software Engineer for Revenue Intelligence. You will shape architecture and drive delivery across customer-facing apps, backend services, data pipelines, and ML workflows in a completely remote European setup.

You will lead modernization while ensuring reliability, security, and scalable growth, mentoring teams and aligning multiple groups around durable technical decisions.

#J-18808-Ljbffr

Staff Software Engineer - Revenue Intelligence (Remote) Arbeitgeber: Cloudbeds

Cloudbeds ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, in einem dynamischen und unterstützenden Umfeld zu arbeiten. Mit einem vollständig remote Arbeitsmodell in Europa fördern wir eine Kultur der Zusammenarbeit und Innovation, während wir gleichzeitig individuelle Wachstumschancen und Mentoring-Programme anbieten. Unsere Mitarbeiter profitieren von flexiblen Arbeitszeiten und der Möglichkeit, an spannenden Projekten im Bereich Revenue Intelligence zu arbeiten, was zu einer sinnvollen und erfüllenden Karriere führt.

C

Kontaktdaten:

Cloudbeds Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Staff Software Engineer - Revenue Intelligence (Remote) mit Bravour zu bestehen

Architekturdesign
Backend-Entwicklung
Datenpipelines
Maschinelles Lernen (ML)
Zuverlässigkeit
Sicherheit
Skalierbarkeit