Auf einen Blick
- Aufgaben: Entwickle und betreibe datengetriebene Lösungen auf AWS für signifikanten Business Impact.
- Unternehmen: Innovatives Unternehmen im Bereich Customer Management mit modernster Technologie.
- Vorteile: Mobiles Arbeiten, flexible Arbeitszeiten, Gesundheitsvorsorge und Mitarbeitervergünstigungen.
- Weitere Informationen: Freiraum für persönliche Fortbildung und innovative Team-Events.
- Warum dieser Job: Gestalte spannende Projekte und arbeite mit modernsten Technologien in einem dynamischen Team.
- Qualifikationen: Studium in relevanten Bereichen und Erfahrung in Data Analytics oder ähnlichen Rollen.
Das prognostizierte Gehalt liegt zwischen 55000 - 70000 € pro Jahr.
Unser Bereich Customer Management entwickelt und betreibt auf einer skalierenden AWS-Infrastruktur eine wachsende Zahl an datengetriebenen Lösungen mit signifikantem Business Impact. Dafür arbeiten Platform Engineers, Data Engineers und Data Scientists gemeinsam an modernen Technologien, um unseren Fachabteilungen maßgeschneiderte, datengetriebene Services zur Verfügung zu stellen.
Deine Aufgaben
- Produktentwicklung und Betrieb: Du stellst den reibungslosen operativen Betrieb eines AWS-basierten Produkts zur Ermittlung von Kundenpräferenzen sicher und entwickelst dieses stetig weiter.
- End-to-End Projektarbeit: Von der Konzeption bis hin zur Analyse begleitest Du Projekte gemeinsam im Team.
- Data Engineering: Die Entwicklung unserer Daten-Pipelines liegt in Deiner Hand.
- Datenqualität und Betrieb: Du etablierst Datenqualitätsprüfungen, Monitoring und Alerting und unterstützt beim Incident-Handling.
- Produkt und Business-Logik: Du implementierst Business-Logik im Produkt und stellst sicher, dass Anforderungen sauber in Datenstrukturen und Transformationen übersetzt werden.
- Stakeholdermanagement: Du stehst im engen Austausch mit den Fachbereichen zur Abstimmung von Betrieb und Plattform-Ausrichtung.
Dein Arbeitsumfeld
- Ein Großteil unseres Produkts ist in Python und PySpark programmiert.
- Für die Datenbeschaffung im Data Warehouse nutzen wir SQL, während Datenanalysen in R oder Python durchgeführt werden.
- Wir setzen auf eine moderne CI/CD-Pipeline mit automatisierten Tests, Code-Style-Prüfungen und täglichen Deployments.
- Wir bieten viel Freiraum für persönliche und teamweite Fortbildungen, Zeit für Refactorings sowie unsere bereichsweiten Innovation Days.
Dein Profil
- Abgeschlossenes Studium (z.B. Physik, Mathematik, Informatik, Wirtschaftswissenschaften) oder eine vergleichbare Qualifikation.
- Praktische Berufserfahrung als Data Analytics Engineer, Data Scientist, Data Engineer oder in einer vergleichbaren Rolle.
- Sehr gute Python-Kenntnisse für die Pipeline- und Softwareentwicklung.
- Gute SQL-Kenntnisse für die Datenmodellierung und -analyse.
- Kenntnisse im Aufbau, Betrieb und in der Wartung von Daten-Pipelines.
- Erste Berührungspunkte mit AWS (z.B. Glue, Lambda, Step Functions) sowie Spark/Databricks sind ein Plus.
Deine Benefits
- Mobiles Arbeiten.
- Flexible Arbeitszeiten.
- Gesundheitsvorsorge.
- Mitarbeitervergünstigungen.
- Team- und Firmenevents.
- Mitarbeiterfahrzeug.
Klingt spannend? Dann bewirb Dich jetzt!
Data Analytics Engineer (w/m/d) Arbeitgeber: Gravis
Als Arbeitgeber im Bereich Customer Management bieten wir eine dynamische und innovative Arbeitsumgebung, in der Teamarbeit und persönliche Entwicklung großgeschrieben werden. Unsere Mitarbeiter profitieren von flexiblen Arbeitszeiten, der Möglichkeit zum mobilen Arbeiten sowie umfangreichen Fortbildungsmöglichkeiten, die es ihnen ermöglichen, ihre Fähigkeiten kontinuierlich auszubauen. Zudem fördern wir eine offene Unternehmenskultur, die durch regelmäßige Team- und Firmenevents sowie Gesundheitsvorsorge unterstützt wird.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Data Analytics Engineer (w/m/d) 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 Gravis 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 Analytics Engineer (w/m/d) 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 Analytics Engineer (w/m/d) bei Gravis gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Gravis 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 Gravis entscheidend sein!
