Senior Analytics Engineer (Central Data)

Central Data owns Finom's central data model, the certified metrics und die Rails, durch die das Unternehmen und seine KI-Agenten Daten nutzen. Als unser Senior Analytics Engineer werden Sie dieses Modell weiterentwickeln und die Werkzeuge bauen, die es mit den KI-Tools verbinden, die im gesamten Unternehmen verwendet werden, damit Menschen und Agenten mehr aus den Daten herausholen können. Sie arbeiten direkt mit den Geschäftsbereichen an ihren Prozessen. Sie werden auch LLMs verwenden, wo sie die Aufgabe besser erledigen als Code, wie z.B. Klassifizierung, Extraktion und Übersetzung, die wie jeder andere Pipeline-Schritt bewertet werden. Dies ist keine Rolle, in der Sie nur das umsetzen, was im Ticket steht. Sie arbeiten mit Stakeholdern daran, wie ihre Prozesse ablaufen, schlagen Verbesserungen vor und verbinden die Datenarbeit mit Geschäftskosten und -wert.

Was Sie tun werden:

• Entwerfen und Weiterentwickeln von Entitäten, Metriken und Datenprodukten im zentralen Modell, mit Tests, Herkunft und Dokumentation, damit deren Nutzer sie wiederverwenden und erweitern können.
• Aufbauen und Pflegen von Pipelines, eigenständiges Onboarding neuer Datenquellen, CI/CD und Datenqualitätsprüfungen aufrechterhalten und an Migrationen teilnehmen.
• Stakeholder interviewen, verstehen, wie ihre Prozesse funktionieren und den Umfang dessen, was sie benötigen, festlegen. Jedes Stück Datenarbeit mit seinen Geschäftskosten und -wert verbinden.
• An wiederkehrenden Berichterstattungen teilnehmen, einschließlich regulatorischer und Prüfzyklen, Abstimmungen und Datenanforderungen von Geschäftsbereichen.
• LLM-Schritte in Berichts- und Metrikpipelines integrieren, wie z.B. Übersetzung, Klassifizierung, grundlegende Aggregation und Vorbereitung unstrukturierter Daten. Die Bewertung der Ausgabequalität ist Teil der Lieferung.
• Die semantische Schicht über MCP und APIs für interne Tools und Agenten zugänglich machen, in Zusammenarbeit mit der Technik an gemeinsamen Standards arbeiten.
• Daten für agentische Tools, unternehmensweite KI-Hilfsmittel und externe Empfänger aus denselben zertifizierten Definitionen vorbereiten, sodass sie reproduzierbar und zurückverfolgbar zum Modell sind.

Wie wir arbeiten:

Sie haben hohe Autonomie. Sie wählen die Werkzeuge und den Ansatz, einschließlich der Erprobung neuer Anbieter und Open-Source-Lösungen. Eine Genehmigung ist in zwei Fällen erforderlich. Der erste ist die Architektur: ob eine Lösung skalierbar ist, in verschiedenen Anwendungsfällen und wachsenden Volumina funktioniert und ohne ständige Unterstützung läuft. Der zweite ist alles, was hochriskante Entscheidungen beeinflusst. Prioritäten werden durch den endgültigen Geschäftswert festgelegt.

Wer Sie sind:

• Sie schreiben Experten-SQL und haben starke Fähigkeiten im dimensionalen oder semantischen Datenmodell.
• Sie schreiben funktionierenden Python-Code, mit Tests und Versionskontrolle.
• Sie haben Metriken und semantische Schichten aufgebaut.
• Sie haben Erfahrung mit ETL und Data Warehouse oder Lakehouse, einschließlich des End-to-End-Onboardings von Quellen.
• Sie haben LLMs praktisch in der Produktionsdatenarbeit verwendet, z.B. Klassifizierung, Extraktion, Übersetzung oder Agenten, die andere verwenden.
• Sie arbeiten wie ein Berater für das Geschäft: Sie verstehen, wie ein Prozess funktioniert, schlagen Lösungen vor und rahmen diese in Bezug auf den Geschäftswert.

Schön zu haben:

• Databricks und Unity Catalog.
• Praktische Erfahrung mit oder ein solides Verständnis von MCP, Toolaufrufen, Nachverfolgung und Bewertungen für LLM-Anwendungen und Agenten.
• Workflow-Automatisierungstools wie n8n.
• CI/CD, Orchestrierung und Infrastruktur als Code.
• Hintergrund im Fintech oder Banking (Transaktionsüberwachung, Treasury, Abstimmung, regulatorische Daten) oder einem anderen Geschäft mit einem hohen operativen Fluss.

Wie Sie wachsen werden:

In den ersten Monaten lernen Sie das Modell, den Stack und Ihre Stakeholder kennen. Nach sechs Monaten sind Sie selbstständig und treffen Entscheidungen über Umfang und Design, ohne eskalieren zu müssen. Von dort aus setzen Sie langfristige Ziele zusammen mit Ihren Stakeholdern, besitzen eine Domain-Roadmap und mentorieren andere in der Praxis der semantischen Schicht und der Analytik-Engineering.

Was diese Rolle nicht ist:

• Keine Rolle eines Business Analysts ohne technische Tiefe.
• Kein Ingenieur, der nur das baut, was im Ticket steht.
• Keine ML-Forschung oder Modellausbildung.
• Keine Plattforminfrastruktur, die unserem Plattformteam gehört.
• Keine Rolle ohne Routine. Wiederkehrende Arbeiten sind Teil des Jobs, ebenso wie deren Reduzierung.

Das Team:

Wir sind ein kleines zentrales Team, das mit jeder Funktion arbeitet, und Finanzen ist unser primärer Partner. Wir verwenden einen modernen Stack, Sie sind frei, neue Werkzeuge auszuprobieren, und es gibt Anreize für Veränderungen. KI-Assistenten übernehmen Routinearbeiten, damit sich die Menschen auf schwierigere Probleme konzentrieren können. Wir arbeiten auf Englisch, denken langfristig und bauen Daten, die die Funktionen nach unserer Lieferung weiterhin entwickeln.

Wir können KI-Tools verwenden, um Teile des Einstellungsprozesses zu unterstützen, wie z.B. die Überprüfung von Bewerbungen, die Analyse von Lebensläufen oder die Bewertung von Antworten und die Identifizierung potenzieller Inkonsistenzen oder Verifizierungssignale in Bewerbungsunterlagen basierend auf verfügbaren Informationen. Diese Tools unterstützen unser Rekrutierungsteam, ersetzen jedoch nicht das menschliche Urteil. Letztendlich werden die endgültigen Einstellungsentscheidungen von Menschen getroffen. Wenn Sie weitere Informationen darüber wünschen, wie Ihre Daten verarbeitet werden, kontaktieren Sie uns.