Auf einen Blick
- Aufgaben: Entwickle skalierbare Datenmodelle und sorge für zuverlässige Analysen.
- Unternehmen: Doodle, eine innovative B2B SaaS-Plattform mit Millionen von Nutzern.
- Vorteile: Flexibles Arbeiten, wettbewerbsfähiges Gehalt und ein unterstützendes Team.
- Weitere Informationen: Dynamisches Umfeld mit großartigen Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Datenbasis, die wichtige Produktentscheidungen beeinflusst.
- Qualifikationen: Erfahrung in der Datenmodellierung und starke SQL-Kenntnisse.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Analytics Engineer
Build the Data Foundation That Powers Every Product Decision.
Doodle is a B2B Saa S platform used by millions of professionals to coordinate meetings and collaboration.
As we continue expanding our platform, trusted data has become one of our most valuable products.
Every product decision, customer insight, experiment, and business metric depends on reliable, well‑modelled data.
What You Will Do
As an Analytics Engineer, you will own the analytics platform that enables self‑service insights across Doodle.
- Analytics Platform
- Design, build, and maintain scalable analytics data models using dbt and modern data engineering practices.
- Develop reliable transformation pipelines that convert raw product data into trusted, business‑ready datasets.
- Own the performance, reliability, and continuous improvement of Doodle's analytics platform.
- Data Modelling & Semantic Layer
- Define, document, and maintain trusted business metrics used across the company.
- Build and evolve a scalable semantic layer that enables consistent reporting and self‑service analytics.
- Ensure data definitions remain accurate, accessible, and aligned across teams.
- Data Quality & Governance
- Own data quality, validation, testing, monitoring, and governance across the analytics stack.
- Implement best practices for documentation, version control, CI, and automated testing.
- Establish standards that improve data reliability, consistency, security, and trust.
- Product Analytics & Experimentation
- Partner with Product Managers and Analysts to enable experimentation, funnel analysis, retention analysis, and customer insights.
- Support product launches by providing reliable measurement frameworks and trusted analytics.
- Enable accurate A/B testing through high‑quality event modelling and instrumentation.
- Cross‑Functional Collaboration
- Work closely with Product, Engineering, Data, Marketing, Finance, and Leadership teams.
- Translate business questions into scalable data models, trusted metrics, and actionable insights.
- Advise teams on analytics architecture, data modelling standards, and best practices.
- Influence product and business decisions by making data reliable, accessible, and easy to use.
- Our Ideal Candidate
We are looking for an Analytics Engineer who combines strong engineering fundamentals with a product mindset and a passion for building trusted, scalable analytics platforms.
- Analytics Engineering
- Strong experience building analytics data models using dbt or similar transformation frameworks.
- Experience orchestrating modern data pipelines using Airflow or similar workflow tools.
- Advanced SQL skills with experience working on large analytical datasets.
- Experience working with cloud data warehouses such as Amazon Redshift. Experience with Athena or Spark is an advantage.
- Programming & Analytics
- Strong Python skills for data processing and automation.
- Good understanding of dimensional data modelling, database design, and analytics engineering principles.
- Familiarity with experimentation frameworks and product analytics.
- Engineering Excellence
- Quality first mindset with experience in testing, documentation, version control, and CI.
- Passion for building reliable, scalable, and maintainable analytics platforms.
- Strong problem‑solving skills with excellent attention to detail.
- Collaboration & Communication
- Excellent communication skills with the ability to explain technical concepts to both technical and non‑technical stakeholders.
- Comfortable working across Engineering, Product, Analytics, and business teams.
- Enjoy collaborating in a fast moving Saa S environment.
- Nice to Have
- Experience with pandas or similar Python data processing libraries.
- Experience supporting Product‑Led Growth organizations.
- Experience building semantic layers or self‑service analytics platforms.
- Experience with product analytics tools such as Amplitude, Mixpanel, or GA4.
- Experience working in a modern B2B Saa S environment.
- Hiring Journey
- Initial Application Review + BRYQ Assessment
- Hiring Manager Interview
- Technical Assessment
- Cross Functional Technical Interview
- Executive Interview + HR Interview
So, Get in Touch!
At Doodle, we are committed to providing an environment of mutual trust and respect, where equal employment opportunities are available to all applicants and teammates without regard to age, race, color, disability, religion, gender, or sexual orientation.
Diversity and inclusion are important to us because the best products are built by teams with different experiences, perspectives, and backgrounds.
IMPORTANT NOTICE
Please note that we can only consider your application if you are based and have the right to work in Germany or London.
At this time, we are unable to sponsor visas for this position or support relocation.
#J-18808-Ljbffr
Data Analytics Engineer Arbeitgeber: Doodle
Doodle ist ein hervorragender Arbeitgeber, der eine dynamische und inklusive Arbeitsumgebung bietet, in der Mitarbeiter ihre Fähigkeiten im Bereich Produktwachstum voll entfalten können. Mit einem flexiblen hybriden Arbeitsmodell, großzügigen Urlaubstagen und einem klaren Fokus auf berufliche Weiterentwicklung durch Schulungsbudgets und Konferenzen, fördert Doodle nicht nur das persönliche Wachstum, sondern auch die Teamkultur durch regelmäßige Unternehmensveranstaltungen und gemeinsame Mittagessen. Die Möglichkeit, bis zu drei Monate innerhalb der EU und einen Monat außerhalb der EU zu arbeiten, macht Doodle zu einem attraktiven Arbeitsplatz für Fachkräfte, die nach einer sinnvollen und bereichernden Karriere suchen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data 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 Doodle 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 Data Analytics Engineer 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 Data Analytics Engineer bei Doodle gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Doodle 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 Doodle entscheidend sein!
