Analytics Engineer, Data Platform

Analytics Engineer, Data Platform

Frankfurt am Main Vollzeit 54000 - 66000 € / Jahr (geschätzt) Homeoffice (teilweise)
Emma Sleep

Auf einen Blick

  • Aufgaben: Leite innovative Projekte im Bereich Datenanalyse und verbessere unsere Datenplattform.
  • Unternehmen: Emma – das führende Unternehmen in der Schlafbranche mit internationalem Team.
  • Vorteile: Flexibles Arbeiten, Weiterbildungsmöglichkeiten und ein wettbewerbsfähiges Gehalt.
  • Weitere Informationen: Wachstumsorientierte Umgebung mit vielfältigen Karrieremöglichkeiten.
  • Warum dieser Job: Gestalte die Zukunft des Schlafs und arbeite mit modernster Technologie.
  • Qualifikationen: Erfahrung in Datenengineering und starke SQL- sowie Python-Kenntnisse.

Das prognostizierte Gehalt liegt zwischen 54000 - 66000 € pro Jahr.

Bereit, die Schlafindustrie zu führen, zu stören und neu zu erfinden? Wir sind Emma – Das Schlafunternehmen. Gegründet im Jahr 2015, sind wir zur größten Direct-to-Consumer (D2C) Schlafmarke der Welt gewachsen, mit einer Präsenz in über 20 Märkten und mehr als 35 Emma-Stores in ganz Europa. Unsere Mission ist einfach: Schlafkomfortprodukte zu entwickeln, die unseren Kunden helfen, jeden Tag ihr Bestes zu geben. Heute vertrauen Millionen auf unsere Produkte, die von führenden Verbraucherverbänden weltweit empfohlen werden.

Bei Emma wirst du Teil eines engagierten, internationalen Teams, das Eigenverantwortung, Zusammenarbeit und kontinuierlichen Wissensaustausch schätzt. Mit Kollegen aus über 70 Nationalitäten kombinieren wir unterschiedliche Perspektiven mit einem gemeinsamen Ziel, zu lernen, zu wachsen und gemeinsam einen bleibenden Einfluss zu schaffen.

Du wirst Teil eines funktionsübergreifenden Data Platform Teams, das die breitere Daten- und Technologieorganisation von Emma bedient, mit internen Nutzern, die Analysten, Analytics Engineers, Data Scientists und Data Engineers umfassen. Die Mission des Teams besteht darin, die Arbeit schneller, sicherer und zuverlässiger zu gestalten - durch Beobachtbarkeit, Zugriffskontrolle, Ingenieurstandards, Code-Reviews, interne Tools und KI-Adoption über die gesamte Pipeline von der Datenaufnahme bis zum BI-Tool-Konsum.

Die Rolle belohnt Breite und Initiative über tiefe Spezialisierung in einer Schicht, erfordert häufiges Wechseln des Kontexts und Komfort mit unbekannten Problemen.

Zuverlässigkeit, Standards & Governance

  • Eigentum und Verbesserung von Monitoring, Alarmierung und Beobachtbarkeit über die Datenplattform, damit Fehler frühzeitig erkannt werden und die Gesundheit der Pipeline/Modelle für die Teams sichtbar ist.
  • Beitrag zu Architektur-Diskussionen: Vorschläge für Verbesserungen, Dokumentation von Abwägungen (ADRs, RFCs) und Hilfe bei der Entscheidung, was gebaut, umgebaut oder eingestellt werden soll.
  • Festlegung, Dokumentation und Durchsetzung von Ingenieurstandards und Best Practices über unser Lakehouse, Orchestrierungsebene, Datenlager und Berichtssysteme, einschließlich einer Kultur der Code-Überprüfung.

Enablement & Interne Tools

  • Schreiben klarer Leitfäden, Standards und Dokumentationen, die Kollegen im Datenbereich helfen, effizienter und konsistenter zu arbeiten, und die Ausrichtung durch Wissensaustausch-Foren vorantreiben.
  • Aufbau und Pflege interner Tools, die Reibungen für die Teams, die du bedienst, beseitigen (z.B. KI-unterstützte Workflows, Erweiterung der Beobachtbarkeit und Qualitätsrahmen).
  • Unterstützung der KI-Adoption innerhalb unserer Dateninfrastruktur in Zusammenarbeit mit der breiteren Technologiedivision.

Praktische Pipeline- & Modellentwicklung

  • Verbesserung und Aufbau unseres Redshift-Datenlagers mit dbt und Paradime.
  • Orchestrierung der Ausführung und Abhängigkeiten zwischen Upstream/Downstream-Pipelines (MWAA, Paradime), Bereitstellung von Infrastruktur über IaC (Pulumi, Terraform), damit Änderungen reproduzierbar und versionskontrolliert bleiben.
  • Beitrag zu unseren Aufnahme-Pipelines über drei Kernmuster - einfache ELT, containerisierte Python und ereignisbasierte - um Daten zuverlässig in unser Medaillon-Lakehouse (S3, Glue, Iceberg) zu bringen.

Qualifikationen und Anforderungen

  • 3+ Jahre in einer Datenplattform, Datenengineering, Analytics Engineering, DataOps oder einer eng verwandten Rolle in einer Produktionsumgebung.
  • Breite über Tiefe in einem einzelnen Tool - komfortabel im Wechsel zwischen Themen, mit einem breiten technischen Wissen über den Datenstapel.
  • Starke SQL- und Python-Kenntnisse, mit echtem Verständnis dafür, wie Datenbanken funktionieren (Abfrageausführung, Leistungsoptimierung, Speicherung, Zugriffs- und Berechtigungsmodelle) und genügend Erfahrung mit dbt, um die Arbeiten anderer zu überprüfen und Standards festzulegen.
  • Praktisches Wissen über den AWS-Datenstapel (Redshift, S3, IAM, Athena, Glue) oder Äquivalentes, sowie Erfahrung mit Lakehouse-Architekturen (Apache Iceberg, Delta usw.), Pipeline-Orchestrierung (Apache Airflow oder Äquivalentes) und modernen Aufnahme/ELT-Tools (Airbyte, Fivetran oder Äquivalentes).
  • Erfahrung mit Infrastructure as Code (Pulumi, Terraform oder Äquivalentes) und Vertrauen im Umgang mit internen Tools und bestehenden Codebasen.
  • Starke Kommunikations- und Schreibfähigkeiten. Du kannst zwischen einem Stakeholder-Gespräch über ein Problem und einer technischen Diskussion über dessen Lösung wechseln.
  • Komfortabel beim Schreiben von Dokumentationen, Leitfäden und Architekturentscheidungen.
  • Initiative und Autonomie, um die Arbeit nach der Einarbeitung unabhängig voranzutreiben und Blockaden frühzeitig zu melden.
  • Fließendes Englisch, schriftlich und mündlich; ansässig in Europa mit funktionierender Zeitzonenüberlappung.

Unternehmenswerte

  • Reifende Scale-Up: Wir sind Teil der 13–20% der Start-ups, die zu Scale-ups übergehen. Dies ist eine seltene Phase, in der wir Systeme verfeinern, ohne die Agilität zu verlieren.
  • Ermächtigung zur Wirkung: Jeder Emmie besitzt einen Teil unseres Erfolgs mit Verantwortung.
  • Wachstums- und Lernreise: Wir leben nach dem 70/20/10-Modell – 70% am Arbeitsplatz, 20% von anderen, 10% strukturierte Schulung.
  • Emma-zing Community: Wir stellen selektiv ein, was bedeutet, dass wir mit klugen, kooperativen Menschen arbeiten, die sich tief kümmern.
  • Nächste Ebene Global: Mit über 60 Nationalitäten in 4 Büros ist globale Zusammenarbeit Teil unserer Werte.
  • Flexibilität: Die Remote-Arbeitsrichtlinie unseres Technologie-Teams ermöglicht große Flexibilität. (Bitte beachten, dass die Rolle in Portugal oder Deutschland angesiedelt sein muss.)

Wir sind auf einer Mission, die Nummer 1 in der Welt des Schlafs zu werden, und suchen nach motivierten, ehrgeizigen Menschen, die uns helfen, die Zukunft zu gestalten. Wenn du neugierig, praktisch veranlagt und bereit bist, den Status quo herauszufordern, findest du hier den Raum, um Dinge zu bewegen und echten Einfluss zu schaffen. Wir sind stolz darauf, ein Arbeitgeber mit Chancengleichheit zu sein und setzen uns für den Aufbau eines integrativen Arbeitsplatzes ein. Wir feiern Vielfalt und berücksichtigen alle qualifizierten Bewerber, unabhängig von Rasse, ethnischer Herkunft, Religion oder Glauben, Geschlecht, Geschlechtsidentität oder -ausdruck, sexueller Orientierung, nationaler Herkunft, Behinderung oder Alter.

Analytics Engineer, Data Platform Arbeitgeber: Emma Sleep

Emma – The Sleep Company ist ein hervorragender Arbeitgeber, der eine dynamische und inklusive Arbeitsumgebung in Berlin bietet. Mit einem starken Fokus auf Mitarbeiterentwicklung und einer Vielzahl von Benefits, wie 25 bis 30 Tagen Urlaub und Zugang zu Mental-Health-Ressourcen, fördert das Unternehmen eine Kultur des Wachstums und der Zusammenarbeit. Hier haben Sie die Möglichkeit, in einem internationalen Team zu arbeiten und aktiv zur Mission beizutragen, die Schlafindustrie zu revolutionieren.

Emma Sleep

Kontaktdaten:

Emma Sleep Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so Analytics Engineer, Data Platform 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 Emma Sleep 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, Data Platform mit Bravour zu bestehen

SQL
Python
Datenengineering
Analytics Engineering
DataOps
AWS Datenstack (Redshift, S3, IAM, Athena, Glue)
Lakehouse Architekturen (Apache Iceberg, Delta)

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, Data Platform bei Emma Sleep gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei Emma Sleep 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 Emma Sleep entscheidend sein!