Auf einen Blick
- Aufgaben: Gestalte moderne Datenmodelle und arbeite an innovativen Data Vault Projekten.
- Unternehmen: Dynamisches Unternehmen mit einem kreativen und kollaborativen Team.
- Vorteile: 30 Tage Urlaub, flexible Arbeitszeiten und Weiterbildungsmöglichkeiten.
- Weitere Informationen: Kollegiales Umfeld mit vielen Entwicklungsmöglichkeiten und Firmenevents.
- Warum dieser Job: Sei Teil einer modernen Datenplattform und mache einen echten Unterschied.
- Qualifikationen: Erfahrung in Datenmodellierung, idealerweise mit Data Vault und Azure.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Du brennst für saubere, skalierbare Datenmodelle und möchtest Data Vault nicht nur "mitdenken", sondern als Rückgrat eines modernen Lakehouse etablieren? Dann gestalte mit uns die nächste Ausbaustufe unserer Datenplattform - mit klarem Schwerpunkt auf Datenmodellierung, Data Vault und nachhaltiger Informationsarchitektur.
Aufgaben
- Deine Konzeption und Weiterentwicklung unseres Enterprise-Datenmodells im Azure-Lakehouse - mit Schwerpunkt auf Data Vault (Raw/Business Vault) sowie abgeleiteten Data Marts (z. B. Kimball)
- Modellierung von Hubs, Links, Satellites (inkl. Historisierung, Keys, Loaded/Record Source, PIT/Bridge-Konzepte) und Ableitung fachlicher Sichten für Analytics & Reporting
- Definition von Modellierungsstandards, Namenskonventionen und Best Practices für Wiederverwendbarkeit, Skalierbarkeit und Governance
- Enge Zusammenarbeit mit Fachbereichen, Data Engineers, BI/Analytics und Data Governance, um Anforderungen in robuste, nachvollziehbare Datenstrukturen zu übersetzen
- Qualitätssicherung der Datenmodelle (Konsistenz, Historisierung, Nachvollziehbarkeit, Testbarkeit) über den gesamten Datenlebenszyklus
- Unterstützung bei der Integration neuer Quellsysteme: Analyse, Mapping, Modell-Impact, Regelwerke und Dokumentation
- Mitarbeit an Architektur- und Technologieentscheidungen rund um Data Vault im Lakehouse (z. B. Automatisierung, Metadaten, Orchestrierung)
Profil
- Dein Abgeschlossenes Studium der (Wirtschafts-)Informatik, Mathematik, Naturwissenschaften oder eine vergleichbare Qualifikation
- Mehrjährige Erfahrung in Datenmodellierung - idealerweise mit einem klaren Schwerpunkt auf Data Vault (2.0); Kimball-Kenntnisse sind ein Plus
- Sehr gutes Verständnis von Historisierung, Integrationsmodellierung, Business Keys, Surrogate Keys sowie konzeptioneller/fachlicher Modellierung
- Erfahrung im Cloud-/Lakehouse-Umfeld, idealerweise Microsoft Azure
- Kenntnisse in Azure Databricks / Spark und Programmierung mit Python oder Scala (um Modellkonzepte technisch sauber umzusetzen und mitzuentwickeln)
- Routine im Zusammenspiel mit ETL/ELT-Prozessen, Datenqualität und idealerweise Datenkatalog/Metadaten/Dokumentation
- Strukturierte, eigenverantwortliche Arbeitsweise, analytisches Denkvermögen und Freude an Abstimmung mit Stakeholdern
- Sehr gute Deutsch- und gute Englischkenntnisse
Wir bieten
- Ein Umfeld, in dem Du Dinge wirklich bewegen kannst: moderne Datenplattform, relevante Use Cases, viel Gestaltungsspielraum
- Kollegiales Teamwork, kurze Wege und pragmatische Zusammenarbeit
- Fachliche Weiterentwicklung durch spannende Projekte, Austausch und Qualifizierung
- 30 Tage Urlaub
- Flexible Arbeitszeiten
- Tageweise mobiles Arbeiten
- Ermäßigtes DeutschlandTicket Job
- Betriebliche Altersvorsorge
- Kitaplätze
- Bistro
- Personalrabatt
- Unterstützungskasse
- Seminare & Fortbildungen
- Betriebliches Gesundheitsmanagement
- Firmenevents
Als (Senior) Data Modeler / Data Vault Expert (m/w/d) verstärkst Du unser Team in Essen. Wenn Du Einsatz zeigst und etwas bewegen willst, dann bist Du bei uns genau richtig. Bewirb Dich jetzt online mit Angabe Deiner Gehaltsvorstellung und Deines frühestmöglichen Eintrittstermins. Wir freuen uns auf Dich!
(Senior) Data Modeler / Data Vault Expert Azure Databricks / Lakehouse (m/w/d)- Bewerben über Stepstone Arbeitgeber: Deichmann SE
Unser Unternehmen bietet ein inspirierendes Arbeitsumfeld in Essen, wo Du als (Senior) Data Modeler / Data Vault Expert die Möglichkeit hast, innovative Datenlösungen zu gestalten und aktiv an der Weiterentwicklung unserer modernen Datenplattform mitzuwirken. Wir fördern eine kollegiale Teamkultur mit kurzen Entscheidungswegen und bieten zahlreiche Weiterbildungsmöglichkeiten sowie flexible Arbeitszeiten, um Deine berufliche Entwicklung zu unterstützen. Mit 30 Tagen Urlaub, der Option auf mobiles Arbeiten und weiteren attraktiven Benefits wie einem ermäßigten DeutschlandTicket und betrieblichem Gesundheitsmanagement, ist unser Unternehmen ein hervorragender Arbeitgeber für alle, die ihre Leidenschaft für Daten in einem dynamischen Umfeld ausleben möchten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so (Senior) Data Modeler / Data Vault Expert Azure Databricks / Lakehouse (m/w/d)- Bewerben über Stepstone erhalten könnten
✨Netzwerken, Netzwerken, Netzwerken!
Nutze Plattformen wie LinkedIn oder Xing, um mit Leuten aus der Branche in Kontakt zu treten. Oft sind es persönliche Empfehlungen, die den entscheidenden Unterschied machen können!
✨Sei proaktiv!
Warte nicht darauf, dass die Stellenanzeigen auf dich zukommen. Recherchiere Unternehmen, die dich interessieren, und kontaktiere sie direkt. Zeig ihnen, dass du wirklich an einer Zusammenarbeit interessiert bist!
✨Bereite dich auf Interviews vor!
Mach dir Gedanken über mögliche Fragen und bereite Antworten vor, die deine Erfahrungen und Fähigkeiten im Bereich Datenmodellierung und Data Vault hervorheben. Übung macht den Meister!
✨Bewirb dich über unsere Website!
Wenn du denkst, dass du gut zu uns passt, dann bewirb dich direkt über unsere Website. So hast du die besten Chancen, schnell ins Gespräch zu kommen und uns von deinen Fähigkeiten zu überzeugen!
Wir glauben, dass du diese Fähigkeiten brauchst, um (Senior) Data Modeler / Data Vault Expert Azure Databricks / Lakehouse (m/w/d)- Bewerben über Stepstone mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Mach es persönlich!:Zeig uns, wer du bist! Verwende in deinem Anschreiben eine persönliche Ansprache und erzähle uns, warum du genau für diese Position brennst. Das macht deine Bewerbung einzigartig und hebt dich von anderen ab.
Betone deine Erfahrungen:Gehe konkret auf deine Erfahrungen in der Datenmodellierung und mit Data Vault ein. Erzähl uns von Projekten, an denen du gearbeitet hast, und wie du Herausforderungen gemeistert hast. Das zeigt uns, dass du die richtige Person für unser Team bist!
Sei klar und strukturiert:Achte darauf, dass deine Bewerbung gut strukturiert ist. Verwende klare Absätze und Überschriften, um deine Qualifikationen und Erfahrungen übersichtlich darzustellen. So können wir schnell erkennen, was du zu bieten hast.
Bewirb dich über unsere Website:Vergiss nicht, dich über unsere Website zu bewerben! Das macht den Prozess für uns einfacher und schneller. Wir freuen uns darauf, deine Bewerbung zu sehen und mehr über dich zu erfahren!
Wie man sich auf ein Vorstellungsgespräch bei Deichmann SE vorbereitet
✨Verstehe die Grundlagen von Data Vault
Mach dich mit den Kernkonzepten von Data Vault vertraut, insbesondere mit Hubs, Links und Satelliten. Sei bereit, deine Erfahrungen und Ansichten zu diesen Themen zu teilen, um zu zeigen, dass du nicht nur theoretisches Wissen hast, sondern auch praktische Anwendung.
✨Bereite konkrete Beispiele vor
Denke an spezifische Projekte oder Herausforderungen, die du in der Vergangenheit gemeistert hast, insbesondere im Zusammenhang mit Azure Databricks oder Cloud-Umgebungen. Diese Beispiele helfen dir, deine Fähigkeiten zu demonstrieren und zeigen, dass du die Anforderungen der Stelle verstehst.
✨Kenntnisse über Modellierungsstandards
Sei bereit, über Modellierungsstandards und Best Practices zu sprechen, die du in deinen bisherigen Projekten angewendet hast. Diskutiere, wie du zur Wiederverwendbarkeit und Skalierbarkeit von Datenmodellen beigetragen hast, um deine Eignung für die Rolle zu unterstreichen.
✨Fragen stellen ist wichtig
Bereite einige Fragen vor, die du dem Interviewer stellen kannst. Das zeigt dein Interesse an der Position und dem Unternehmen. Frage nach den aktuellen Herausforderungen im Team oder wie die Zusammenarbeit zwischen Data Engineers und Fachbereichen aussieht.
