Auf einen Blick
- Aufgaben: Entwickle moderne Datenarchitekturen und optimiere Datenpipelines für analytische Tools.
- Unternehmen: HubSpot, ein innovatives Unternehmen mit einer Mission, Millionen von Organisationen beim Wachstum zu helfen.
- Vorteile: Attraktives Gehalt, Aktienoptionen, flexible Arbeitszeiten und Unterstützung bei der beruflichen Entwicklung.
- Weitere Informationen: Dynamisches Team mit Möglichkeiten zur beruflichen Weiterentwicklung und Innovation.
- Warum dieser Job: Gestalte die Zukunft der Datenanalyse und beeinflusse Entscheidungen mit KI-gestützten Lösungen.
- Qualifikationen: Expertenwissen in modernen Datenwerkzeugen und umfangreiche SQL-Kenntnisse erforderlich.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
HubSpot's Mission ist es, Millionen von Organisationen beim Wachstum zu helfen. Das Operations-Team von HubSpot ist entscheidend für dieses Ziel, indem es die HubSpot-Mitarbeiter unterstützt, die Wachstum vorantreiben und die Kunden von HubSpot bedienen. Unser Ziel in der Operations-Abteilung ist es, fortschrittliche Analytik und algorithmische Intelligenz in die DNA der Entscheidungsfindung bei HubSpot einzubetten. Flexible, gut vernetzte und gut gestaltete Daten sind das Rückgrat unserer Strategie, zusammen mit den Analytics Engineers, die diese Landschaft schaffen.
In dieser Rolle wirst du dem Data & AI Foundations-Team beitreten, um eine moderne Datenbasis für effiziente Modelle und Analysen zu entwerfen und aufzubauen. Deine Arbeit wird direkt analytische und ML-Produkte unterstützen, die die Art und Weise verändern, wie wir Entscheidungen bei HubSpot treffen. Du wirst ein starkes Interesse daran mitbringen, flexible, wiederverwendbare Architekturen für unsere wertvollsten Datenressourcen zu schaffen, während du auch die internen Tools, agentischen Workflows und Standards formst, die das gesamte AE-Team effektiver und skalierbarer machen.
In dieser Rolle wirst du:
- Die Leistung von Datenpipelines und analytischen Tools für Skalierung aufbauen und optimieren.
- Wesentliche Plattformressourcen, AE-Tools, wiederverwendbare Muster und Automatisierungen besitzen und weiterentwickeln, die den Standard für jeden AE im Team erhöhen.
- Zu unserem komposierbaren agentischen AE-Lieferungssystem beitragen, einer Pipeline von KI-gestützten Fähigkeiten, die den gesamten Lieferlebenszyklus von Kontext bis zu zusammengeführten PRs automatisiert.
- Semantische Modelle entwerfen und pflegen, die als vertrauenswürdige, wiederverwendbare Grundlage für Analytik und KI-Nutzung in der gesamten Organisation dienen.
- Interne KI-Agenten und datengestützte Tools entwickeln, die RPC-basierte Funktionen über MCP-Server integrieren.
- Kostenstrategien für gemeinsame Datenressourcen, Pipelines und Rechennutzung entwerfen und implementieren.
- Skalierbare Datenaufnahme-, Replikations- und Übertragungsmuster über Systeme hinweg definieren und bereitstellen.
- Innovation mit aufkommenden Technologien fördern und über Branchentrends informiert bleiben.
- Die berufliche Entwicklung des Teams durch technische Führung leiten.
- Mit Stakeholdern zusammenarbeiten, um Geschäftsprobleme mit technischen Lösungen zu lösen.
- Skalierbare Datenmodelle entwickeln, um wichtige Teile des HubSpot-Geschäfts zu analysieren.
- Unser Angebot an dbt-Mustern und -Makros erweitern, um flexible und leicht erweiterbare Datenstrukturen zu ermöglichen.
- Datenbeobachtbarkeit und Pipeline-Zuverlässigkeit mit Tools wie Monte Carlo vorantreiben.
- Skalierbare Muster und Standards für die Entwicklung analytischer Anwendungen in Hex etablieren.
- Arbeitsgruppen leiten, Anforderungen festlegen und Projekte durch den gesamten Lebenszyklus begleiten.
- Detaillierte Dokumentationen von Datenpipelines, Prozessen und Best Practices pflegen.
Wir suchen jemanden mit:
- Expertenwissen über moderne Datenwerkzeuge (wie Snowflake, dbt und Looker).
- Umfangreicher Kompetenz in SQL, Datenmodellierung, ETL, ELT und Datenumwandlung.
- Tiefgehender dbt-Expertise, einschließlich fortgeschrittener Modellierungsmuster, Makros und Paketentwicklung.
- Erfahrung in der Entwicklung langsam sich ändernder Dimensionstabellen (SCD) aus mehreren Quellen.
- Erfolgreicher Erfahrung in der Leitung komplexer, funktionsübergreifender Dateninitiativen von unklaren Problemen bis zur Produktion.
- Erfahrung im Aufbau oder in der Wartung gemeinsamer Datenplattformressourcen, Entwickler-Toolkits oder interner Frameworks.
- Erfahrung im Entwurf semantischer Modelle oder Metrikschichten für Analytik oder KI-Nutzung.
- Kompetenz mit KI-unterstützten Entwicklungstools wie Claude Code, einschließlich agentischem Pipeline-Design und komposierbaren, fähigkeitsbasierten Workflows.
- Komfort beim Aufbau von KI-Agenten und der Integration externer Tools und Dienste über MCP-Server.
- Erfahrung mit Versionskontrolltools (wie GitHub Enterprise Cloud).
- Eine DevOps-Mentalität, die durch Automatisierung, Zusammenarbeit, kontinuierliche Verbesserung und einen starken Fokus auf Benutzerbedürfnisse und häufige Iteration gekennzeichnet ist.
- Starke Kommunikationsfähigkeiten und die Fähigkeit, technische Lösungen in Geschäftstermine zu destillieren.
- Erfahrung mit Python ist von Vorteil, aber nicht erforderlich.
Vergütung & Vorteile
Jährlicher Bargeldvergütungsbereich: 138.500 — 221.600 USD. Vorteile sind ebenfalls ein wichtiger Bestandteil deines Gesamtvergütungspakets. Einige Rollen sind berechtigt, am Aktienplan von HubSpot teilzunehmen, um eingeschränkte Aktieneinheiten (RSUs) zu erhalten. Einige Rollen können auch für Überstundenvergütung berechtigt sein. Individuelle Vergütungspakete werden auf deine Fähigkeiten, Erfahrungen, Qualifikationen und andere arbeitsbezogene Gründe zugeschnitten. Bei HubSpot geht es bei fairen Vergütungspraktiken nicht nur darum, die rechtlichen Anforderungen zu erfüllen. Es geht darum, unseren Wert der Transparenz gegenüber unseren Mitarbeitern, Kandidaten und der Gemeinschaft zu leben.
Wenn du aufgrund einer Behinderung Unterstützung benötigst, kontaktiere uns bitte.
Bewerber aus Massachusetts: Es ist rechtswidrig in Massachusetts, einen Lügendetektortest als Bedingung für die Beschäftigung oder die Fortsetzung der Beschäftigung zu verlangen oder durchzuführen. Ein Arbeitgeber, der gegen dieses Gesetz verstößt, unterliegt strafrechtlichen Sanktionen und zivilrechtlicher Haftung.
Bewerber aus Deutschland: (m/w/d) - Link zur Karriere-Diversitätsseite von HubSpot.
Bewerber aus Indien: Link zur Gleichstellungspolitik von HubSpot Indien.
Staff Analytics Engineer Arbeitgeber: Dormont Manufacturing Co
Dormont Manufacturing Co ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern in Genf die Möglichkeit bietet, an der Weiterentwicklung der SonarQube-Plattform zu arbeiten. Mit einer flexiblen Arbeitsweise, die sowohl Büro- als auch Remote-Tage umfasst, fördert das Unternehmen eine Kultur der Vielfalt und des kontinuierlichen Lernens, während es gleichzeitig spannende Wachstumschancen in einem dynamischen Umfeld bietet.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Staff Analytics Engineer erhalten könnten
✨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 Dormont Manufacturing Co 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 Staff 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 Staff Analytics Engineer bei Dormont Manufacturing Co gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Dormont Manufacturing Co 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 Dormont Manufacturing Co entscheidend sein!
