Auf einen Blick
- Aufgaben: Entwickle und liefere Datenpipelines und Infrastruktur für innovative Projekte.
- Unternehmen: Führendes Unternehmen im Bereich Datenplattformen mit einem kreativen Team.
- Vorteile: Attraktives Gehalt, Gesundheitsleistungen und flexible Arbeitszeiten.
- Weitere Informationen: Dynamisches Umfeld mit großartigen Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der Datenverarbeitung und arbeite an spannenden Herausforderungen.
- Qualifikationen: Erfahrung in Datenmanagement und Cloud-Technologien erforderlich.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Überblick
Unterstützen Sie das Design und die Bereitstellung von Datenaufnahme-Pipelines und -Infrastrukturen. Helfen Sie bei der erfolgreichen Migration des Lebenszyklusmanagements von Altdaten auf die neue Plattform, ohne bestehende Datenverbraucher zu stören. Etablieren und pflegen Sie SLIs und SLOs für die neue Datenaufnahme- und Datenplattform mit Dashboards und Alarmierung zur Leistungsüberwachung. Bauen Sie eine flexible Datenspeicherschicht auf, die eine Vielzahl von Anwendungsfällen unterstützt, z.B. transaktionale, analytische und maschinelles Lernen Arbeitslasten. Implementieren Sie umfassende Überwachungs-, Beobachtungs- und Vorfallreaktionspraktiken für alle Ereignisdatenpipelines und -dienste. Arbeiten Sie mit Produktengineering-, Analyse- und maschinellen Lernteams zusammen, um Verträge, funktionale Anforderungen und Standards zu definieren. Entwerfen und implementieren Sie eine semantische Metadatenebene, die Datenressourcen über beide Produkte klassifiziert und kennzeichnet, um eine konsistente Datenerkennung, Expositionsrichtlinien und die Identifizierung von Möglichkeiten zur Wiederverwendung von produktübergreifenden Daten zu ermöglichen. Architekt und liefern Sie ein Multi-Tenant-Datenmodell, das sicheres Teilen und Isolierung von Daten über Kunden hinweg unterstützt, mit Kontrollen, die darauf ausgelegt sind, regulatorische und staatliche Compliance-Anforderungen zu erfüllen.
Verantwortlichkeiten
- Unterstützen Sie das Design und die Bereitstellung von Datenaufnahme-Pipelines und -Infrastrukturen
- Helfen Sie bei der erfolgreichen Migration des Lebenszyklusmanagements von Altdaten auf die neue Plattform, ohne bestehende Datenverbraucher zu stören
- Etablieren und pflegen Sie SLIs und SLOs für die neue Datenaufnahme- und Datenplattform mit Dashboards und Alarmierung zur Leistungsüberwachung
- Bauen Sie eine flexible Datenspeicherschicht auf, die eine Vielzahl von Anwendungsfällen unterstützt, z.B. transaktionale, analytische und maschinelles Lernen Arbeitslasten
- Implementieren Sie umfassende Überwachungs-, Beobachtungs- und Vorfallreaktionspraktiken für alle Ereignisdatenpipelines und -dienste
- Arbeiten Sie mit Produktengineering-, Analyse- und maschinellen Lernteams zusammen, um Verträge, funktionale Anforderungen und Standards zu definieren
- Entwerfen und implementieren Sie eine semantische Metadatenebene, die Datenressourcen über beide Produkte klassifiziert und kennzeichnet
- Architekt und liefern Sie ein Multi-Tenant-Datenmodell, das sicheres Teilen und Isolierung von Daten über Kunden hinweg unterstützt
Qualifikationen
- Tiefes Verständnis der Prinzipien der Datenverwaltung und des Lebenszyklusmanagements von Daten, einschließlich Datenqualität, Herkunft, Aufbewahrung und Zugriffskontrolle
- Starke Vertrautheit mit Datenbank-Backend-Technologien (OLAP vs. OLTP) und wann man jede anwendet, mit praktischer Erfahrung in der Nutzung von Data-Warehouse-Technologien (Databricks, Clickhouse, Redshift usw.) im Produktionsmaßstab
- Starke Vertrautheit mit SQL mit der Fähigkeit, Abfragen zu schreiben und zu optimieren
- Fähigkeit, komplexe Systeme zu bauen und Kernprimitiven zu identifizieren und anzuwenden, um sich ändernden Geschäftsbedürfnissen und zukünftigen Roadmap-Anforderungen gerecht zu werden
- Erfahrung im Design und Betrieb von Datensystemen bei einem großen Cloud-Anbieter (AWS oder GCP) und in einer Multi-Cloud-Bereitstellungsumgebung
- Kenntnisse in Containerisierungs- und Orchestrierungstechnologien, einschließlich Docker und Kubernetes
- Nachgewiesene Fähigkeit zur Integration von Systemen, die Altsysteme mit modernen Architekturen durch gut gestaltete Schnittstellen und Migrationsstrategien verbinden
- Effektiver Kommunikator, der Systemdesign-Diskussionen erleichtern, architektonische Entscheidungen dokumentieren und teamübergreifend arbeiten kann
- (Wünschenswert) Vertrautheit mit Elixir zum Erstellen von nebenläufigen, fehlertoleranten Datenservices
- (Wünschenswert) Erfahrung mit Datenpipeline- und Streaming-Technologien wie Airflow, Kafka, Apache Flink oder ähnlichem
- (Wünschenswert) Praktische Erfahrung mit spaltenbasierten/OLAP-Datenbanken wie Databricks oder ClickHouse
- Erfahrung im Design und Betrieb von Datensystemen auf AWS; GCP-Erfahrung ist ein Plus
- Starke Zusammenarbeit und Kommunikationsfähigkeiten, komfortabel in der Leitung von Entwurfsdiskussionen, dem Schreiben technischer Spezifikationen und der Arbeit über Teamgrenzen hinweg
- Erfahrung mit Infrastructure-as-Code (IaC)-Tools wie Terraform, CloudFormation oder ähnlichem
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Senior Engineer, Data Platform 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 Senior Engineer, Data Platform 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 Senior Engineer, Data Platform 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!
