Auf einen Blick
- Aufgaben: Entwickle eine vertrauenswürdige semantische Schicht für KI-gestützte Analysen.
- Unternehmen: Innovatives Unternehmen im Bereich KI-Analytik mit einem dynamischen Team.
- Vorteile: Flexibles Arbeitsmodell, monatliche Workshops und die Möglichkeit, remote zu arbeiten.
- Weitere Informationen: Wachstumsorientierte Umgebung mit vielen Möglichkeiten zur beruflichen Weiterentwicklung.
- Warum dieser Job: Gestalte die Zukunft der Analytik und arbeite an spannenden KI-Projekten.
- Qualifikationen: Erfahrung in der Gestaltung semantischer Schichten und fundierte Kenntnisse in SQL und Python.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Bei emnify glauben wir, dass die Zukunft der Analytik konversational ist: Kunden und Teams sollten in einfacher Sprache Fragen stellen und korrekte, regulierte und erklärbare Antworten erhalten können. Als unser Staff Analytics Engineer werden Sie das Fundament aufbauen, das dies möglich macht – die semantische Schicht, Metriken und Ingenieurpraktiken, die es sowohl Menschen als auch KI-Systemen ermöglichen, unsere Daten zuverlässig abzufragen. KI bietet Geschwindigkeit; starke Grundlagen schaffen Vertrauen.
Sie werden eng mit der Datenengineering-, Produkt- und Führungsebene zusammenarbeiten und dabei hands-on bleiben. Unsere Analytik-Umgebung umfasst:
- Lakehouse auf S3 mit StarRocks als analytische Engine
- Fivetran und Kafka-Synchronisation für die Datenaufnahme
- dbt core für Transformationen
- Superset für BI
- AWS-Infrastruktur (EKS)
Auf diesem Fundament werden Sie die semantische Schicht und LLM-gestützte Workflows wie Text-zu-SQL und RAG aufbauen. Unser flexibles Arbeitsmodell umfasst monatliche persönliche Workshops. Bevorzugte Kandidaten sind in Berlin oder nahegelegenen Städten ansässig.
Ihr Einfluss:
- Entwerfen und Besitzen einer regulierten semantischen Schicht, die emnifys Geschäftslogik kodiert – SIM-Lebenszyklus, Abwanderung, Nutzung, Einheitökonomie – als zuverlässige, gut dokumentierte Datenprodukte
- Aufbau und Produktion von KI-gestützten Analytik-Erlebnissen (Text-zu-SQL, RAG, Analytik-Assistenten), die auf vertrauenswürdigen Geschäftsdefinitionen basieren und nicht auf der KI-Interpretation von Rohdaten
- Vertrauenswürdige KI-Antworten durch Bewertungsrahmen, Regressionstests und Monitoring sicherstellen – das größte Risiko ist nicht sichtbarer Fehler, sondern selbstbewusst falsche Antworten
- Erhöhung der Standards im Bereich Analytics Engineering: Modellierungspraktiken, Datenqualität, Governance, Mentoring und Design-Review
- Partnerschaft mit Produkt und Führung, um wertvolle KI-Analytik-Möglichkeiten zu identifizieren und Experimente in dauerhafte Plattformfähigkeiten umzuwandeln
Was wir erwarten:
- Nachweisliche Erfahrung im Entwerfen und Betreiben von semantischen Schichten, Metrikmodellen und dimensionalen Modellen in einem modernen Stack, mit produktionsgerechtem SQL und starkem Python
- Praktische Erfahrung in der Anwendung von LLMs auf Daten- und Analytikanwendungen – Kombination von Abruf, strukturiertem Kontext und Validierung zur Erzeugung zuverlässiger Antworten – mit klarem Verständnis von Prompting, Kontextengineering und Fehlermodi
- Erfahrung im Aufbau vertrauenswürdiger Datenprodukte durch Tests, Dokumentation, Verantwortung, Verträge und Herkunft – mit pragmatischer Governance, die die Teams schnell hält
- Eine KI-native Ingenieurmentalität: Sie nutzen täglich KI-unterstützte Entwicklungstools und kombinieren diese Beschleunigung mit rigoroser Validierung und Überprüfung
- Klare Kommunikation und Produktdenken – Übersetzung von Geschäftsbedürfnissen in skalierbare Datenlösungen und Einflussnahme auf die Richtung über Teams hinweg
Schön zu haben: Erfahrung in SaaS, nutzungsbasierten Unternehmen, Telekommunikation oder IoT.
Staff Analytics Engineer – AI-Powered Analytics Arbeitgeber: emnify
emnify ist ein hervorragender Arbeitgeber, der eine dynamische und unterstützende Arbeitsumgebung bietet, in der Innovation und Teamarbeit im Mittelpunkt stehen. Als Engineering Manager für Packet Processing haben Sie die Möglichkeit, ein talentiertes Team zu leiten und an der Spitze der cloud-nativen Netzwerktechnologie zu arbeiten, während Sie gleichzeitig von umfangreichen Weiterbildungs- und Entwicklungsmöglichkeiten profitieren. Unsere Unternehmenskultur fördert Kreativität und Zusammenarbeit, was es Ihnen ermöglicht, bedeutende Beiträge zu leisten und Ihre Karriere in einem zukunftsorientierten Unternehmen voranzutreiben.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Staff Analytics Engineer – AI-Powered Analytics 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 emnify 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 – AI-Powered Analytics 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 – AI-Powered Analytics bei emnify gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei emnify 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 emnify entscheidend sein!
