Auf einen Blick
- Aufgaben: Entwickle und pflege Datenmodelle und Pipelines für datengetriebenes Arbeiten.
- Unternehmen: Innovatives Unternehmen mit starker Teamkultur und Fokus auf Daten.
- Vorteile: Hybrides Arbeiten, Workation, Weiterbildungsmöglichkeiten und ein starkes Teamgefühl.
- Weitere Informationen: Offene Feedbackkultur und Raum für eigene Ideen.
- Warum dieser Job: Gestalte die Zukunft der Datenanalyse und arbeite an spannenden Projekten.
- Qualifikationen: Erfahrung in Analytics Engineering, starke SQL-Kenntnisse und Teamfähigkeit.
Das prognostizierte Gehalt liegt zwischen 60000 - 75000 € pro Jahr.
Daten sind für uns kein Nebenprodukt, sondern ein zentraler Erfolgsfaktor und das Fundament unserer KI-Strategie. Als Analytics Engineer (m/w/d) bist du die treibende Kraft hinter unserer Datenplattform: Du baust und pflegst die Datenmodelle, auf denen Analytics, Reporting und Data Science im gesamten Unternehmen aufsetzen. Mit robusten, skalierbaren und vertrauenswürdigen Pipelines sorgst du dafür, dass alle Teams auf einer sauberen, konsistenten Datenbasis arbeiten – und machst unser Unternehmen damit messbar datengetriebener und KI-fähiger.
Schwerpunkte deiner Rolle
- Du entwickelst und pflegst dbt-Modelle und Datenpipelines, die Rohdaten in saubere, dokumentierte und verlässliche Datensätze überführen.
- Du etablierst eine Single Source of Truth für Kennzahlen und sorgst dafür, dass alle Teams mit denselben vertrauenswürdigen Zahlen arbeiten.
- Du designst skalierbare Data-Warehouse-Schemata (dimensionales Modell, Fakten/Dimensionen) mit Fokus auf Performance, Skalierbarkeit und Kosten.
- Du integrierst Daten aus unternehmensweiten Systemen in unseren Data Lake / unser Data Warehouse und führst systemübergreifende Datenflüsse zusammen.
- Du baust und pflegst Dashboards und Reports (z. B. in Metabase), die Fachbereiche zu eigenständigem, datenbasiertem Handeln befähigen.
- Du sicherst und verbesserst kontinuierlich die Datenqualität – inkl. Monitoring, dbt-Tests und klarer Standards für zuverlässige Analytics- und KI-Use-Cases.
- Du arbeitest eng mit Operations, Produkt, Engineering und dem Leadership-Team zusammen und übersetzt Business-Fragen in aussagekräftige Metriken und Analysen.
Das bringst du mit
- Mehrjährige Erfahrung als Analytics Engineer, Data Engineer, Data Scientist oder in einer vergleichbaren datengetriebenen Rolle.
- Sehr gute SQL-Skills sowie praktische Erfahrung mit dbt in Produktionsumgebungen (inkl. Tests, Dokumentation, CI/CD und GitHub-Workflows).
- Fundiertes Verständnis von Datenmodellierung, Data-Warehouse-Design, ETL-/ELT-Prozessen und der Auswirkungen auf Skalierbarkeit und Reporting-Performance.
- Praxiserfahrung mit Snowflake (oder vergleichbaren Cloud-DWH-/Data-Lake-Lösungen) sowie einem BI-Tool wie Metabase, Power BI oder Tableau.
- Kenntnisse in Python oder einem ähnlichen Skript-/Analyse-Tool zur tiefergehenden Analyse, Prototyping und Automatisierung.
- Fähigkeit, komplexe Daten und Zusammenhänge verständlich zu erklären – hohe Service- und Lösungsorientierung im Umgang mit internen Stakeholdern.
- Strukturierte, selbstständige Arbeitsweise, Ownership-Mentalität und sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift.
Das bieten wir Dir
- Arbeitskultur: Dich erwartet eine lösungsorientierte und datengetriebene Arbeitsweise, eine offene Feedbackkultur sowie ein starker Teamspirit. Zwei vom gesamten StackFuel-Team gewählte Trustees unterstützen Dich bei Fragen und Anliegen als neutrale, vertrauliche Anlaufstelle.
- Ownership: Übernehme ab dem ersten Tag Verantwortung, bringe Deine eigenen Ideen aktiv ein, gestalte Prozesse nachhaltig und präge unsere Abläufe maßgeblich mit.
- Hybrides Arbeiten: Wir arbeiten in einem hybriden Modell und sind üblicherweise 3 Tage pro Woche vor Ort in unserem Office in Berlin.
- Workation: Bis zu 10 Tage pro Jahr kannst Du von überall aus der EU, dem EWR und der Türkei arbeiten.
- Raum für Austausch: Regelmäßiger Austausch im Team, saisonale Feiern und eine immer gut gefüllte Küche sorgen für ein lebendiges Miteinander.
- Weiterentwicklung: Absolviere unsere Online-Trainings, um Deine fachlichen Fähigkeiten auszubauen und Dich zur Expert:in für Daten und KI zu entwickeln.
Analytics Engineer (w/m/d) 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.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Analytics Engineer (w/m/d) 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 (w/m/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 Analytics Engineer (w/m/d) 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!
