Auf einen Blick
- Aufgaben: Leite die Entwicklung skalierbarer Datenplattformen auf AWS mit Databricks.
- Unternehmen: Innovatives Unternehmen mit Fokus auf Daten und Technologie.
- Vorteile: Flexibles Arbeiten, wettbewerbsfähige Vergütung und Gesundheitsleistungen.
- Weitere Informationen: Engagierte Gemeinschaft mit Möglichkeiten zur beruflichen Weiterentwicklung.
- Warum dieser Job: Gestalte die Zukunft der Datenverarbeitung und arbeite an spannenden Projekten.
- Qualifikationen: Erfahrung in der Datenverarbeitung und Führungskompetenz erforderlich.
Das prognostizierte Gehalt liegt zwischen 60000 - 84000 € pro Jahr.
In dieser Rolle werden Sie das Design und die Entwicklung skalierbarer Datenplattformen auf AWS leiten, mit einem starken Fokus auf das Databricks-Ökosystem. Sie werden ein Team von Ingenieuren anleiten, architektonische Entscheidungen treffen und die qualitativ hochwertige Bereitstellung sowohl von Batch- als auch von Streaming-Datenlösungen sicherstellen. Sie arbeiten eng mit geschäftlichen und technischen Stakeholdern zusammen und tragen über den gesamten Projektlebenszyklus hinweg bei, von der Entdeckung und dem Design bis zur Produktionsimplementierung, in einer kollaborativen und innovationsgetriebenen Umgebung.
VERANTWORTLICHKEITEN
- Design, Aufbau und Optimierung skalierbarer Datenlösungen auf AWS unter Verwendung von Databricks, einschließlich Lakehouse-Architekturen basierend auf Delta Lake und Unity Catalog
- Entwicklung und Verbesserung von Batch- und Echtzeit-Datenverarbeitungslösungen unter Verwendung von Technologien wie Apache Spark, Flink, Kafka, Amazon MSK und Kinesis
- Leitung von Datenintegrations- und Migrationsaktivitäten, einschließlich Source-to-Target-Mapping, Datenaufnahme, Transformation und Qualitätssicherung über mehrere Datenquellen hinweg
- Vorantreiben der Architektur der Datenplattform, Datenmodellierung und bewährte Verfahren im Engineering, um Skalierbarkeit, Zuverlässigkeit und langfristige Wartbarkeit sicherzustellen
- Zusammenarbeit mit geschäftlichen und technischen Stakeholdern, um Anforderungen in effektive Datenlösungen, Implementierungsfahrpläne und Lieferpläne zu übersetzen
- Unterstützung und Mentoring von Datenengineering-Teams, um Prioritäten festzulegen, technische Exzellenz zu fördern und eine erfolgreiche Projektlieferung zu ermöglichen
- Aufbau und Verwaltung automatisierter Workflows und Datenpipelines unter Verwendung von Orchestrierungs- und Analysetechnologien wie Databricks Workflows, Apache Airflow, MWAA, Snowflake und Amazon Redshift
- Beitrag über den gesamten Lösungslebenszyklus hinweg, um aufkommende Technologien zu erkunden und Wissen innerhalb der Engineering-Community zu teilen
ANFORDERUNGEN
- Nachgewiesene Erfahrung als Lead Data Engineer mit starkem Hintergrund in der Gestaltung und Bereitstellung skalierbarer Datenplattformen und -pipelines
- Praktische Erfahrung in der Batch- und Echtzeit-Datenverarbeitung mit Technologien wie Apache Spark, Flink, Kafka, Amazon MSK oder Kinesis
- Starke Erfahrung mit AWS und Databricks, einschließlich Delta Lake, Unity Catalog, Workflows und Jobs
- Kenntnisse in Python (bevorzugt), Scala oder Java, kombiniert mit fortgeschrittenen SQL-Kenntnissen
- Erfahrung im Aufbau und in der Orchestrierung von Daten-Workflows mit Tools wie Databricks Workflows, Apache Airflow oder MWAA
- Praktisches Wissen über moderne Datenlager- und Analyselösungen, einschließlich Snowflake und Amazon Redshift
- Vertrautheit mit bewährten Verfahren im Datenengineering, Versionskontrolle und Datenformaten, einschließlich GitHub, Avro und SQL-basierten Systemen
- Starke Führungs-, Stakeholder-Management- und Kommunikationsfähigkeiten, mit der Fähigkeit, geschäftliche Anforderungen in technische Lösungen zu übersetzen und Teams zu erfolgreicher Lieferung zu führen
- Obere Mittelstufe oder höheres Niveau in Englisch
Lead BigData Engineer (Databricks + AWS) Arbeitgeber: SoftServe
SoftServe ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, an innovativen Projekten im Bereich Daten und maschinelles Lernen zu arbeiten. Mit einem flexiblen Arbeitsmodell, das Homeoffice, Büroarbeit oder hybride Formate umfasst, fördert das Unternehmen eine offene und unterstützende Unternehmenskultur, in der persönliche und berufliche Entwicklung großgeschrieben werden. Die Mitarbeiter profitieren von wettbewerbsfähigen Gehältern, umfassenden Gesundheitsleistungen und einer Vielzahl von Lernmöglichkeiten, die ihre Karriere vorantreiben.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Lead BigData Engineer (Databricks + AWS) erhalten könntest
✨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 SoftServe 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 BigData Engineer (Databricks + AWS) 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 BigData Engineer (Databricks + AWS) bei SoftServe gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei SoftServe 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 SoftServe entscheidend sein!
