Auf einen Blick
- Aufgaben: Leite die technische Architektur für komplexe Analytics Engineering Projekte und entwickle eine vertrauenswürdige Datenplattform.
- Unternehmen: Innovatives Unternehmen, das auf Datenanalyse und KI spezialisiert ist.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten, Weiterbildungsmöglichkeiten und ein kreatives Team.
- Weitere Informationen: Dynamisches Umfeld mit großartigen Entwicklungschancen und einem starken Fokus auf Teamarbeit.
- Warum dieser Job: Gestalte die Zukunft der Datenanalyse und arbeite an spannenden AI-Projekten.
- Qualifikationen: Mindestens 6 Jahre Erfahrung in Analytics Engineering und tiefgehende Kenntnisse in dbt und SQL.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Verantwortlichkeiten
- Eigentum der technischen Architektur und Roadmap für unsere komplexesten Analytics Engineering-Initiativen - einschließlich Design der semantischen Schicht, Konsolidierung der Quelle der Wahrheit und der Datenbasis für KI- und agentenbasierte Anwendungsfälle.
- Architektur der semantischen Schicht und Metrikstandards von Forward, damit wichtige Geschäft KPIs einmal definiert, klar verwaltet und konsistent über Dashboards, Modelle, KI-Agenten und nachgelagerte Produkte konsumiert werden.
- Leitung des technischen Designs der KI-bereiten Datenplattform - Treffen von Modellierungs-, Metadaten- und Governance-Entscheidungen, die Snowflake Intelligence und andere KI-/Agentenfähigkeiten vertrauenswürdig, leistungsfähig und produktionsbereit machen.
- Förderung technischer Exzellenz in unserem dbt-Projekt: Modellarchitektur, Materialisierungs- und inkrementelle Strategien, Leistungstuning, Makros, Testmuster und CI/CD-Praktiken, die skalieren, wenn das Datenvolumen und die Teamgröße wachsen.
- Festlegung und Einhaltung eines hohen Standards für Handwerkskunst im Team - Definition von Standards für SQL-Stil, Modellierungsmuster, Dokumentation und Datenqualität sowie Vorbildfunktion dieser Standards in der eigenen Arbeit.
- Mentoring von Senior- und Analytics Engineers durch praktische Code-Überprüfung, Pairing und Design-Feedback - Beschleunigung ihres Wachstums zu stärkeren technischen Mitwirkenden.
- Partnerschaft mit dem Manager für Analytics Engineering bei technischer Strategie, Einstellung und Roadmap-Planung - als Stellvertreter für technische Entscheidungen agieren und das Team bei den schwierigsten Problemen unterstützen.
- Führung tiefgreifender technischer Partnerschaften mit Data Science, Data Engineering und Core Technology - Verantwortung für Schema-Migrationen, Feature-Bereitstellungen und Streaming-Pipeline-Beiträge, bei denen Analytics Engineering auf dem kritischen Pfad ist.
- Bewertung und Operationalisierung von wertvollen Drittanbieter-Datenquellen und aufkommenden Werkzeugen (z. B. Snowflake Cortex, Frameworks für semantische Schichten, Observabilitätswerkzeuge) und Empfehlungen abgeben, die die Plattform verbessern.
- Förderung von Daten-Governance und Qualität auf Plattformebene - einschließlich dbt-Tests, Herkunft, Katalogisierung, Beobachtbarkeit und Einhaltung von Sicherheits- und regulatorischen Standards - damit sowohl Stakeholder als auch KI-Systeme den Zahlen vertrauen können.
Anforderungen
- 6+ Jahre Erfahrung in Analytics Engineering, Data Engineering oder Business Intelligence.
- 4+ Jahre praktische Erfahrung mit dbt, einschließlich fortgeschrittener Muster wie inkrementelle Strategien, Makros, benutzerdefinierte Tests und CI/CD-Design.
- 3+ Jahre tiefgehende Erfahrung mit einer cloudbasierten Datenbank (Snowflake stark bevorzugt), einschließlich Leistungstuning und Kostenoptimierung.
- Expertenkenntnisse in SQL und dimensionaler Datenmodellierung, mit einem Portfolio langlebiger, gut getesteter Modelle, die als grundlegende Schichten für eine Organisation dienten.
- Nachgewiesene Erfahrung im Design und Betrieb einer semantischen Schicht oder Metrikschicht, die als organisatorische Quelle der Wahrheit dient.
- Nachgewiesene Fähigkeit, Senior Engineers zu mentorieren, architektonische Entscheidungen zu leiten und die Richtung in funktionsübergreifenden Teams zu beeinflussen.
- Ausgezeichnete schriftliche und mündliche Kommunikationsfähigkeiten - in der Lage, technische Übereinstimmung sowohl mit Ingenieuren als auch mit nicht-technischen Stakeholdern zu erreichen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Lead Analytics Engineer 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 Jobtailor 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 Lead Analytics Engineer 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 Lead Analytics Engineer bei Jobtailor gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Jobtailor 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 Jobtailor entscheidend sein!
