Data Scientist (w/m/d) mit Schwerpunkt Datenintegration

Data Scientist (w/m/d) mit Schwerpunkt Datenintegration

Frankfurt am Main Vollzeit 45000 - 65000 € / Jahr (geschätzt) Homeoffice (teilweise)
Deutsche Gesellschaft für Qualität e.V. (DGQ)

Auf einen Blick

  • Aufgaben: Erschließe Datenquellen und entwickle innovative Datenmodelle für spannende Analysen.
  • Unternehmen: Die DGQ ist die zentrale deutsche Qualitätsgesellschaft mit einem starken Fokus auf Qualität.
  • Vorteile: Gleitzeit, Homeoffice, 30 Tage Urlaub und zahlreiche Gesundheitsleistungen.
  • Weitere Informationen: Wachstumsorientierte Unternehmenskultur mit viel Raum für eigene Ideen.
  • Warum dieser Job: Gestalte die Zukunft der Datenintegration und mache einen echten Unterschied in der Qualitätssicherung.
  • Qualifikationen: Erfahrung in Data Science, starke Programmierkenntnisse in Python und SQL.

Das prognostizierte Gehalt liegt zwischen 45000 - 65000 € pro Jahr.

Die DGQ ist überzeugt, dass Qualität das Herzstück allen Erfolgs ist. Leidenschaftlich arbeitet sie daran, die Bedeutung und Wirksamkeit von Qualität in Wirtschaft und Gesellschaft zu stärken. Als zentrale, deutsche Qualitätsgesellschaft ist die DGQ deshalb bundesweit erster Ansprechpartner für Qualität, Qualitätsmanagement und Qualitätssicherung.

Als Data Scientist mit Schwerpunkt Datenintegration übernimmst du eine Schlüsselrolle: Du erschließt unsere Datenquellen, machst sie analysierbar und gewinnst daraus Erkenntnisse, die sowohl unsere Fachcommunity als auch unser eigenes Geschäft voranbringen.

Deine Aufgaben:

  • Datenquellen erschließen und integrieren: Du verbindest unsere zentralen Systeme – insbesondere Salesforce und unsere Mitgliederplattform – und machst die dort enthaltenen Daten für Analysen nutzbar. Du konzipierst und baust Datenpipelines (ETL-Strecken), die Rohdaten aus unterschiedlichen Quellen zusammenführen, bereinigen und in eine konsistente, analytische Datenbasis überführen. Du entwickelst Datenmodelle und -strukturen, die eine nachhaltige Grundlage für wiederkehrende Auswertungen und Ad-hoc-Analysen bilden.
  • Analyse und Erkenntnisgenerierung: Du identifizierst Thementrends und Buchungspfade unserer Mitglieder und Kund:innen, um gezielte Marketing- und Produktentscheidungen zu ermöglichen. Du entwickelst statistische Modelle und setzt Machine‑Learning‑Verfahren ein, um Muster in Research‑ und Geschäftsdaten aufzudecken und Prognosen abzuleiten – etwa zur Nachfrageentwicklung oder Mitgliederaktivität. Du erstellst aussagekräftige Dashboards und Visualisierungen, die komplexe Zusammenhänge für verschiedene Stakeholder verständlich machen.
  • Eigenverantwortung und Zusammenarbeit: Du arbeitest eng mit unserem Senior Data Scientist zusammen und übernimmst eigenständige Projekte – von der Fragestellung bis zur Präsentation der Ergebnisse. Du gestaltest unsere Toollandschaft und technische Infrastruktur aktiv mit: Du wählst geeignete Technologien und Methoden aus und bringst eigene Ideen ein, wie wir unsere Datenarbeit weiterentwickeln können. Du vermittelst deine Ergebnisse verständlich an Fachkolleg:innen und Führungskräfte und trägst dazu bei, datenbasierte Entscheidungskultur in der DGQ zu stärken.

Dein Profil:

  • Du bist eine erfahrene Data-Science-Persönlichkeit, die nicht nur Modelle baut, sondern auch versteht, wie die Daten dafür zustande kommen. Du willst Dinge gestalten, nicht nur abarbeiten – und bringst die Eigeninitiative mit, in einem Team mit viel Gestaltungsfreiraum und wenig starren Vorgaben gemeinsam etwas aufzubauen.
  • Mehrjährige Berufserfahrung im Bereich Data Science, Analytics oder einem verwandten Feld – idealerweise mit nachweisbarer Erfahrung an der Schnittstelle zur Datenintegration.
  • Sehr gute Programmierkenntnisse in Python für Datenanalyse, Modellierung und Automatisierung (z. B. pandas, scikit‑learn, SQLAlchemy, DuckDB).
  • Fundierte SQL‑Kenntnisse und Erfahrung im Umgang mit relationalen Datenbanken – du schreibst nicht nur Abfragen, sondern denkst auch in Datenmodellen.
  • Eine ausgeprägte eigenständige Arbeitsweise: Du identifizierst Handlungsbedarfe selbst, wählst passende Methoden und Tools und treibst Projekte proaktiv voran – auch wenn nicht alles vordefiniert ist.
  • Erfahrung mit statistischen Methoden und Machine Learning, die du zielsicher auf reale Geschäftsfragen anwenden kannst.

Darüber freuen wir uns besonders:

  • Erfahrung im Aufbau von Datenpipelines und ETL‑Prozessen (z. B. Anbindung von REST‑APIs, Salesforce‑APIs; leichtgewichtige Orchestrierung mit Python‑Skripten, perspektivisch Prefect oder Dagster).
  • Umfangreiche Kenntnisse in Datenmodellierung und analytischen Datenbanken bzw. Data‑Warehouse-Konzepten (z. B. DuckDB als analytische Datenbank, Parquet als Austauschformat).
  • Praxis in der Erstellung von Dashboards und Datenvisualisierungen (z. B. mit PowerBI oder Streamlit).
  • Erfahrung mit Datenbereinigung und Qualitätssicherung – du weißt, dass der Weg von Rohdaten zu belastbaren Ergebnissen selten geradlinig ist.
  • Kommunikationsstärke: Du kannst analytische Ergebnisse so aufbereiten und präsentieren, dass auch Nicht‑Techniker:innen einen klaren Mehrwert daraus ziehen.
  • Erfahrung in einer Vereins‑, Verbands‑ oder Bildungsorganisation ist ein Plus, aber kein Muss.

Du erfüllst nicht alle genannten Punkte? Bewirb dich trotzdem – uns ist wichtiger, dass du Lust hast, Dinge zu gestalten, als dass du jede Technologie bereits kennst.

Was bieten wir?

  • Geregelte Arbeitszeiten mit Gleitzeit, die Möglichkeit, an 2 Tagen pro Woche mobil zu arbeiten und 30 Tage Urlaub für die perfekte Work‑Life‑Balance.
  • Intensive Einarbeitung: Damit du von Anfang an optimal durchstarten kannst.
  • Zusätzliche Benefits: Arbeitgeberzuschüsse zur Betriebskantine, zur betrieblichen Altersvorsorge und zum Deutschlandticket sowie weitere attraktive Gesundheits‑ und Sozialleistungen.
  • Wertschätzung und Teamspirit: Wir fördern eine Unternehmenskultur, die auf Vertrauen, Respekt und Zusammenarbeit basiert.
  • Weiterentwicklung: Bei uns kannst du dich kontinuierlich weiterentwickeln – wir bieten die Möglichkeit, neue Fähigkeiten zu erlernen und dich in deinem Bereich weiterzubilden.

Data Scientist (w/m/d) mit Schwerpunkt Datenintegration Arbeitgeber: Deutsche Gesellschaft für Qualität e.V. (DGQ)

Die DGQ ist ein hervorragender Arbeitgeber, der eine wertschätzende Unternehmenskultur fördert und seinen Mitarbeitern die Möglichkeit bietet, in einem dynamischen Umfeld zu wachsen. Mit flexiblen Arbeitszeiten, der Option auf Homeoffice und umfangreichen Weiterbildungsangeboten unterstützt die DGQ ihre Mitarbeiter dabei, ihre Fähigkeiten kontinuierlich zu erweitern und sich aktiv an der Gestaltung von Datenprojekten zu beteiligen. Zudem profitieren die Mitarbeiter von attraktiven Zusatzleistungen wie Zuschüssen zur Altersvorsorge und einer Betriebskantine, was die Work-Life-Balance optimal unterstützt.

Deutsche Gesellschaft für Qualität e.V. (DGQ)

Kontaktdaten:

Deutsche Gesellschaft für Qualität e.V. (DGQ) Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so Data Scientist (w/m/d) mit Schwerpunkt Datenintegration erhalten könnten

Tipp Nummer 1

Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit anderen Data Scientists und Fachleuten in Kontakt zu treten. Teile deine Projekte und Insights, um sichtbar zu werden und vielleicht sogar Empfehlungen zu erhalten.

Tipp Nummer 2

Bereite dich auf Vorstellungsgespräche vor, indem du häufige Fragen zu Datenintegration und Machine Learning übst. Zeige, dass du nicht nur die Theorie beherrschst, sondern auch praktische Lösungen für reale Probleme anbieten kannst.

Tipp Nummer 3

Sei proaktiv! Wenn du eine interessante Stelle bei uns findest, bewirb dich direkt über unsere Website. Zeige dein Interesse und deine Motivation, indem du uns erklärst, wie du zur Verbesserung unserer Datenarbeit beitragen kannst.

Tipp Nummer 4

Präsentiere deine Ergebnisse klar und verständlich. Übe, komplexe Datenanalysen so aufzubereiten, dass auch Nicht-Techniker:innen den Mehrwert erkennen. Das wird dir helfen, in Interviews zu glänzen und deine Kommunikationsfähigkeiten zu zeigen.

Wir glauben, dass du diese Fähigkeiten brauchst, um Data Scientist (w/m/d) mit Schwerpunkt Datenintegration mit Bravour zu bestehen

Datenintegration
Datenanalyse
Python
pandas
scikit-learn
SQLAlchemy
DuckDB

Einige Tipps für deine Bewerbung 🫡

Sei du selbst!:Wir wollen dich kennenlernen, also zeig uns, wer du wirklich bist! Lass deine Persönlichkeit in deiner Bewerbung durchscheinen und erzähl uns, warum du für die Rolle als Data Scientist brennst.

Mach es konkret!:Verwende konkrete Beispiele aus deiner bisherigen Erfahrung, um zu zeigen, wie du Datenquellen erschlossen und integriert hast. Das hilft uns, deine Fähigkeiten besser zu verstehen und zu sehen, wie du unser Team bereichern kannst.

Zeig deine Leidenschaft für Daten!:Erkläre, warum du dich für Datenintegration und -analyse interessierst. Wir suchen nach jemandem, der nicht nur die technischen Skills hat, sondern auch eine echte Begeisterung für die Arbeit mit Daten mitbringt.

Bewirb dich über unsere Website!:Der einfachste Weg, um Teil unseres Teams zu werden, ist, dich direkt über unsere Website zu bewerben. So stellst du sicher, dass deine Bewerbung schnell bei uns landet und wir sie zeitnah prüfen können.

Wie man sich auf ein Vorstellungsgespräch bei Deutsche Gesellschaft für Qualität e.V. (DGQ) vorbereitet

Verstehe die Datenintegration

Mach dich mit den spezifischen Datenquellen und Systemen vertraut, die in der Stellenbeschreibung erwähnt werden, wie Salesforce und Mitgliederplattformen. Überlege dir, wie du diese Systeme miteinander verbinden und Datenpipelines erstellen würdest.

Bereite praktische Beispiele vor

Denke an konkrete Projekte oder Erfahrungen, bei denen du Datenpipelines oder ETL-Prozesse aufgebaut hast. Sei bereit, diese Beispiele im Interview zu erläutern und zu zeigen, wie du Herausforderungen gemeistert hast.

Statistische Methoden und Machine Learning

Sei bereit, über deine Erfahrungen mit statistischen Modellen und Machine Learning zu sprechen. Bereite dich darauf vor, wie du diese Techniken auf reale Geschäftsfragen angewendet hast und welche Ergebnisse du erzielt hast.

Kommunikation ist der Schlüssel

Übe, komplexe Datenanalysen und Ergebnisse so zu präsentieren, dass auch Nicht-Techniker:innen sie verstehen können. Überlege dir, wie du deine Ergebnisse klar und verständlich kommunizieren kannst, um den Mehrwert deiner Arbeit zu verdeutlichen.