Analytics Engineer

Analytics Engineer

Vollzeit 63000 - 77000 € / Jahr (geschätzt) Homeoffice möglich
D

Auf einen Blick

  • Aufgaben: Entwickle und baue Produktionsmodelle für Datenanalysen, um schnelle Entscheidungen zu ermöglichen.
  • Unternehmen: OnePay ist ein innovatives Fintech-Unternehmen, das Millionen von Amerikanern hilft, ihr Geld besser zu verwalten.
  • Vorteile: Wettbewerbsfähiges Gehalt, Aktienoptionen, flexible Arbeitszeiten und umfassende Sozialleistungen.
  • Weitere Informationen: Remote-Arbeit möglich, flexible Urlaubsregelungen und ein unterstützendes Arbeitsumfeld.
  • Warum dieser Job: Sei Teil eines dynamischen Teams, das die Finanzwelt revolutioniert und echte Auswirkungen hat.
  • Qualifikationen: Mindestens 5 Jahre Erfahrung in der Analyse, Expertenkenntnisse in SQL und Databricks.

Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.

About One Pay One Pay is the consumer fintech trusted by millions of Americans to make money better.

Our financial system is broken.

High fees, low rates, and too few ways to actually grow your money.

We’re fixing it.

And we’re moving fast.

We’re an all-in-one financial services platform that brings together banking, high-yield savings, credit cards, point-of-sale lending, investing, and crypto in one place.

We also partner with employers, HCM providers, gig platforms, and others to deliver embedded financial services to millions of employees and frontline workers.

We’re backed by Walmart, the world’s largest retailer, and Ribbit Capital, one of fintech’s most respected investors, giving us rare scale, distribution, and the opportunity to build something truly category-defining.

But what really sets One Pay apart is how we move. Our customers don’t have time to wait… and neither do we. This place moves fast, and we’re looking for people who are:

  • Ready to run
  • Hungry and driven by urgency
  • Exceptional at what they do, with low ego
  • Comfortable operating in motion

The role

You’ll own One Pay’s analytics foundation (dbt models, testing, and Databricks BI) so the business can move fast on trusted data.

This is a senior IC role where you will set technical standards, unblock the team, and ship high-impact work without waiting for perfect requirements.

We build for humans and AI.

You’ll use AI tools (Claude Code, Cursor) daily to move faster, and design models, metrics, and docs that agents and analysts can both rely on.

This role is responsible for

  • Design and build production dbt models on Databricks that the organization uses as the source of truth for what’s happening in the business.
  • Support external reporting with accurate, governed data that stakeholders and partners can trust.
  • Own data quality: testing, CI/CD, documentation, and patterns the team follows.
  • Build and evolve Databricks dashboards and semantic metrics for self-service across the business.
  • Lead technically (code review, architecture, mentoring junior AEs) so the team ships faster with a higher quality bar.
  • Partner with Data Engineering, Analytics Engineering, and analytics stakeholders to turn messy business problems into durable data products.
  • Drive AI-native workflows: Cursor/Claude (or equivalent) in daily development; model and doc design that works for LLM consumers.
  • You bring
  • 5+ years in analytics engineering or equivalent: you’ve owned production models end-to-end, not just ad hoc analysis.
  • Expert SQL and deep dbt experience (architecture, incremental models, tests, macros, CI/CD).
  • Strong Databricks BI (or equivalent semantic layer) delivery.
  • AI-savvy in practice: you already use AI coding tools daily, validate outputs rigorously, and design data for both humans and agents.
  • Proven ability to execute in ambiguity: startup pace, incomplete specs, bias toward shipping.
  • Clear communicator across technical and non-technical audiences.
  • Owner mentality: you see what’s broken, fix it, and raise the bar for others.
  • Strong plus: fintech/regulated data, Python automation, Databricks, Git Lab/MR workflows, prior tech-lead or lead/senior IC experience on a lean data team.
  • Pay Transparency

The estimated annual base salary for this position ranges from $130,000 to $170,000.

Pay is generally based upon the level, complexity, responsibility, and job duties / requirements of the specific position.

We then source candidates with the requisite skills, expertise, education, training, and experience.

If you are selected for an interview, please feel welcome to speak to a Talent Partner about our compensation philosophy and other available benefits.

  • What it’s like working @ One
  • Competitive cash Benefits effective on day one
  • Generous stock option packages in an early-stage startup
  • Remote friendly (anywhere in the US) and office friendly - you pick the schedule
  • Flexible time off programs - vacation, sick, paid parental leave, and paid caregiver leave
  • 401(k) plan with match
  • Standard Interview Process
  • Initial Interview with Talent Partner
  • Technical or Hiring Manager Interview
  • Team Interview
  • Executive Interview

• Offer!

Equal Employment Opportunity

To build technology and products that are used and loved by people and solve real-world problems, we need to build a team with many different perspectives and experiences.

We are an equal opportunity employer.

We do not discriminate on the basis of race, religion, color, national origin, gender, sexual orientation, age, marital status, veteran status, or disability status.

We encourage candidates from all backgrounds to apply.

Applicants in need of special assistance or accommodation during the interview process or in accessing our website may contact us at talent@onepay. com.

#J-18808-Ljbffr

Analytics Engineer Arbeitgeber: Doist

Keyfactor ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern in der Schweiz (Zürich) oder im Vereinigten Königreich (Remote) eine dynamische und unterstützende Arbeitsumgebung bietet. Mit einem starken Fokus auf Mitarbeiterentwicklung und strategischen Partnerschaften fördert das Unternehmen eine Kultur der Zusammenarbeit und Innovation, die es den Mitarbeitern ermöglicht, ihre Karriereziele zu erreichen und gleichzeitig einen bedeutenden Beitrag zum Unternehmenswachstum zu leisten.

D

Kontaktdaten:

Doist Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so Analytics Engineer erhalten könntest

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 Doist 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 Analytics Engineer mit Bravour zu bestehen

dbt Modelle
Databricks BI
SQL
CI/CD
Datenqualität
AI-Tools (Claude Code, Cursor)
Datenmodellierung

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 Analytics Engineer bei Doist gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei Doist 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 Doist entscheidend sein!