Auf einen Blick
- Aufgaben: Leite die Entwicklung robuster Datenplattformen und setze moderne Cloud-Technologien ein.
- Unternehmen: Innovatives Unternehmen im Bereich Datenengineering mit Fokus auf Azure.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Weiterbildungsmöglichkeiten.
- Weitere Informationen: Dynamisches Team mit großartigen Wachstumschancen und innovativen Technologien.
- Warum dieser Job: Gestalte die Zukunft der Datenanalyse und arbeite an spannenden Projekten.
- Qualifikationen: Mindestens 7 Jahre Erfahrung in Datenengineering und fundierte Kenntnisse in Azure.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Responsibilities
- Understand client requirements and lead the creation of robust data platforms leveraging Data Lakehouse architectures, serving as the primary subject matter expert for the Azure data ecosystem (Microsoft Fabric, Azure SQL, and Power BI).
- Design and implement scalable data models, ETL/ELT pipelines, and analytics layers using modern cloud ecosystems.
- Architect Microsoft Fabric reporting solutions, establishing medallion layering, managing capacity planning, ensuring freshness governance, and configuring CDC/mirroring from Azure SQL into Fabric.
- Enforce strict data-layer segregation ensuring PII is excluded by construction, maintaining multi-tenant isolation within the analytics layer, and strictly adhering to 10+ year regulated data retention policies.
- Lead complex migration efforts off legacy systems (e. g., Air Table, Smartsheet) to Microsoft Fabric, effectively managing mid-program form and rule drift, and establishing reliable, per-client export channels.
- Lead end-to-end analytics projects — from requirement gathering to deployment.
- Mentor junior team members, perform code reviews, and ensure adherence to quality standards.
- Work closely with cross-functional teams (engineering, product, business) to align data strategy with business goals.
- Develop and optimize complex SQL queries, Power BI semantic models, dashboards, and reports (transitioning from legacy Look ML/Big Query paradigms).
- Troubleshoot performance bottlenecks, data inconsistencies, and integration challenges.
- Stay up to date with advancements in the analytics and cloud data ecosystem.
- Drive innovation in reporting and analytics capabilities.
- Recommend and implement new tools, frameworks, and practices to enhance the data platform.
- Define best practices, coding standards, and governance for analytics projects.
- Monitor data systems performance and implement optimization strategies.
- Ensure data accuracy, integrity, privacy, security, and compliance through quality control procedures.
- Build and oversee AI-ready data pipelines, focused on feeding scrubbed, segmented data to assistive AI and integrating Gen AI into analytics and data products.
- Drive adoption of AI-assisted data engineering across the team: copilots for SQL/transformation/pipeline code, plus automated testing and documentation.
- Define governance and quality standards for data consumed by LLMs and agents.
Requirements
- Demonstrated expertise with a minimum of 7 - 10 years of relevant experience in data engineering and business intelligence domain.
- Strong primary expertise in the Azure Data Stack, specifically Azure SQL, Microsoft Fabric, and Power BI (semantic layer design, robust dashboard development), with a minimum of two years of hands‑on experience in these specific tools.
- Advanced SQL skills and a solid understanding of modern data architecture, including Data Lakehouse concepts, medallion architecture, star/snowflake schemas, and dimensional modeling.
- Proficiency in Python for data engineering, ETL/ELT workflows, and automation tasks.
- Experience designing and maintaining enterprise‑grade data pipelines — specifically in Azure environments.
- Proven track record of leading analytics projects and delivering scalable data solutions.
- Ability to function as a player‑coach — leading while also contributing hands‑on.
- Solid understanding of data governance, security (especially around PII and multi‑tenant architectures), and performance optimization practices.
- Strong communication skills and ability to translate complex technical concepts for business stakeholders.
- #J-18808-Ljbffr
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Lead Azure Data 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 Azure Data 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 Azure Data 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!
