Auf einen Blick
- Aufgaben: Baue und optimiere zuverlässige ELT-Pipelines mit Python und SQL für Gesundheitsdaten.
- Unternehmen: Statista, eine globale Plattform für Geschäftsdaten mit Fokus auf Gesundheitsdaten.
- Vorteile: Flexibles Arbeiten, internationale Team-Events und Zugang zu Fitnessangeboten.
- Weitere Informationen: Hybrid-Arbeitsmodell mit tollen Karrierechancen und internationalem Team.
- Warum dieser Job: Gestalte die Zukunft der Gesundheitsdaten und arbeite an innovativen Projekten.
- Qualifikationen: Erfahrung in Python, SQL und Datenengineering sowie ein analytischer Denkansatz.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
Statista ist eine globale Geschäftsdataplattform, die zuverlässige, benutzerfreundliche Daten, Analyseprodukte und Dienstleistungen bereitstellt, um faktenbasierte Entscheidungen weltweit zu unterstützen. Die Healthcare-Plattform verwandelt internationale Krankenhausdaten in strukturierte, abfragbare Gesundheitsdatenbestände.
Aufgaben:
- Aufbau, Optimierung und Betrieb zuverlässiger ELT-Pipelines mit Python, SQL und Prefect/Airflow;
- Daten aus heterogenen internationalen Quellen, APIs, Datenbanken und Lakehouse-Speicher, einschließlich S3 und Apache Iceberg, einpflegen;
- Durchführung von Entitätsauflösungen und Stammdatenmanagement für internationale Krankenhausentitäten;
- Rohdatenquellen auf kanonische Strukturen abbilden und standardisierte Vokabulare wie ICD/OPS und Fachtaxonomien pflegen;
- Datenverträge und Schema-Management mit Pydantic und dbt-Verträgen etablieren;
- Sicherstellung der Reproduzierbarkeit von Datensätzen, Nachverfolgung der Datenherkunft und automatisierte Validierung über Plattformpipelines;
- Optimierung der Datenspeicherung, Abfrageausführung und Kosten für Rechenressourcen über AWS und Snowflake;
- Implementierung automatisierter Test- und Bereitstellungsworkflows für Datenpipelines mit GitHub Actions und Terraform;
- Zusammenarbeit mit Analytics Engineers, Data Scientists und Fachexperten zur Bereitstellung dokumentierter, forschungsfähiger, produktionsbereiter Datensätze.
Anforderungen:
- Fortgeschrittene Kenntnisse in Python und analytischem SQL für komplexe Datenaufnahme über verschiedene Dateiformate, REST APIs, Datenbanken und Cloud-Lakes;
- Praktische Erfahrung mit Prefect, Airflow oder Dagster;
- Praktische Erfahrung mit Entitätsauflösung oder Frameworks zur Aufzeichnung von Verknüpfungen;
- Erfahrung im Schema-Management und in Datenverträgen mit Pydantic, dbt-Verträgen oder JSON-Schema;
- Tiefe praktische Erfahrung in einer AWS-Produktionsumgebung, einschließlich S3 und ECS/EC2;
- Erfahrung mit Cloud-Datenlagern, einschließlich Snowflake;
- Nachweisliche Erfahrung in der Automatisierung von Bereitstellungen von Datenpipelines, Integrationstests und Validierungsworkflows über GitHub Actions;
- Über 3 Jahre Erfahrung in der Datenengineering, beim Aufbau von Produktionspipelines und Datenplattformen;
- Erfahrung in der Durchführung eines Kernplattform- oder Produktaufbaus, -starts und -iteration innerhalb einer Organisation;
- Abschluss (Bachelor oder Master) in Informatik, Datenwissenschaft, Softwaretechnik oder einem verwandten quantitativen Bereich;
- Starkes analytisches und systematisches Denken;
- Fähigkeit, unordentliche, heterogene internationale Daten in saubere, gut verwaltete, hochstrukturierte Datenbestände zu transformieren;
- Fließendes Englisch;
- Hochgradig strukturiert, neugierig, detailorientiert und kollaborativer Arbeitsstil.
Wünschenswert:
- Kenntnisse in Ontologie- oder semantischen Frameworks, internationalen medizinischen Klassifikationen oder Vokabularen, Metadatenregistern und Herkunftskatalogen, Terraform, Erfahrung im Gesundheitsbereich, Deutsch.
Bedingungen:
- Arbeiten aus dem Ausland bis zu 30 Kalendertagen pro Jahr;
- Hybrides Arbeiten und flexible Arbeitszeiten;
- Internationales Team und soziale Veranstaltungen;
- Subventionierte urbane Mobilität und Zugang zu Fitness- und Wellnessangeboten;
- Kostenloser Zugang zu Langdock;
- Karriere- und Weiterbildungsmöglichkeiten;
- Attraktive Standorte und moderne Büros;
- Unterstützung der psychischen Gesundheit mit OpenUp;
- Einige Vorteile gelten nur für die deutsche Einheit und für Junior-Positionen oder höher.
data engineer for healthcare data in Berlin Arbeitgeber: Enfint
Perfect.Live ist ein herausragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, in einem dynamischen und internationalen Umfeld zu arbeiten, das auf erstklassigen Service für wohlhabende Kunden ausgerichtet ist. Mit einer stabilen langfristigen Anstellung, wettbewerbsfähigen Gehältern und einem starken Fokus auf Teamarbeit und qualitativ hochwertigen Kundenservice fördert das Unternehmen eine Kultur des Wachstums und der beruflichen Entwicklung, die es den Mitarbeitern ermöglicht, ihre Fähigkeiten kontinuierlich zu erweitern und sich in ihrer Karriere weiterzuentwickeln.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so data engineer for healthcare data in Berlin 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 Enfint 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 engineer for healthcare data in Berlin 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 engineer for healthcare data bei Enfint gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Enfint 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 Enfint entscheidend sein!
