Auf einen Blick
- Aufgaben: Design and optimize data models using dbt and Snowflake; transform raw data for analytics.
- Unternehmen: Statista is the world's leading business data platform, founded in Hamburg in 2007.
- Vorteile: Work from abroad up to 30 days a year; access to fitness and wellness options.
- Weitere Informationen: Position allows hybrid work and flex-time.
- Warum dieser Job: Join a global team focused on empowering people with reliable data.
- Qualifikationen: 3+ years in analytics engineering; strong SQL skills and experience with cloud data warehouses.
Das prognostizierte Gehalt liegt zwischen 55000 - 70000 € pro Jahr.
Überblick
Bei Statista dreht sich alles um Fakten und Daten, denn wir sind die weltweit führende Plattform für Geschäftsdaten. Durch die Bereitstellung zuverlässiger und benutzerfreundlicher Daten sowie verschiedener Datenanalyseprodukte und -dienstleistungen ermöglichen wir es Menschen weltweit, faktenbasierte Entscheidungen zu treffen. Gegründet in Hamburg im Jahr 2007, haben wir uns schnell zu einem globalen Unternehmen mit Büros in großen Städten wie London, New York, Berlin und Tokio entwickelt. Unser ständiges Wachstum beweist nicht nur unseren Erfolg, sondern schafft auch neue Entwicklungs- und Karrieremöglichkeiten für unsere Mitarbeiter. Wir schätzen und feiern unsere vielfältige Kultur. Sie sind willkommen, so wie Sie sind, unabhängig davon, woher Sie kommen, wie Sie aussehen oder ob Sie Balkendiagramme lieber mögen als Tortendiagramme. Ihre Geschichte zählt – schreiben Sie sie weiter als Teil unseres Teams. Sind Sie bereit, sich uns anzuschließen?
Ihre Rolle
- Entwerfen, Erstellen und Optimieren skalierbarer Datenmodelle mit modernen Datenstack-Tools (z.B. dbt, Snowflake)
- Rohdaten in saubere, zuverlässige und gut dokumentierte Datensätze für Analysen, Berichterstattung und operationale Nutzung transformieren
- Eng mit Dateningenieuren, Analysten, Tracking-Teams und Geschäftspartnern zusammenarbeiten, um Datenanforderungen zu definieren und sicherzustellen, dass alle auf dem gleichen Stand sind
- Datenqualitätsprüfungen, Tests und Überwachungen implementieren und aufrechterhalten, um Genauigkeit und Zuverlässigkeit sicherzustellen
- Semantische Schichten entwickeln und verwalten, um wichtige Geschäftsmessgrößen zu standardisieren und zu steuern
- Die Datenzugänglichkeit und -nutzbarkeit über Teams hinweg verbessern, indem Best Practices und klare Datenstrukturen gefördert werden
- Datenmodelle, Definitionen und Workflows dokumentieren, um Transparenz und Datenkompetenz zu fördern
- Zu Initiativen zur Datenverwaltung, Harmonisierung und Automatisierung beitragen, einschließlich der Ermöglichung von KI-gesteuerten Analyseanwendungsfällen
Ihr Profil
- 3+ Jahre Erfahrung im Bereich Analytics Engineering, Datenengineering oder einer verwandten Rolle
- Starke SQL-Kenntnisse und fundierte Erfahrung im Datenmodellieren (z.B. dimensionale Modellierung, Sternschemas)
- Praktische Erfahrung mit modernen Datenstack-Tools und -Technologien (z.B. dbt, CI/CD) und Offenheit für KI-unterstützte Entwicklungsabläufe (z.B. Claude Code oder ähnlich)
- Erfahrung mit Cloud-Datenlagern (z.B. Snowflake, BigQuery, Redshift)
- Starke Detailgenauigkeit mit einem qualitätsorientierten und strukturierten Arbeitsstil
- Interesse an Datenverwaltung, Standards und skalierbarer Datenarchitektur
- Analytische Denkweise mit starken Problemlösungsfähigkeiten
- Exzellente Kommunikationsfähigkeiten in Englisch (Deutsch ist ein Plus), sowohl mit technischen als auch mit geschäftlichen Stakeholdern, kombiniert mit einem soliden Verständnis der Geschäftsanforderungen und -kontexte
Was wir bieten
Neben unserem großartigen Team, unserer Kultur und unserem gemeinsamen Ziel, Menschen mit Daten zu stärken, gibt es viele weitere Dinge, die Statista zu einem großartigen Arbeitsplatz machen! Schließen Sie sich uns an und profitieren Sie von:
- Arbeiten im Ausland bis zu 30 Kalendertagen pro Jahr
- Hybrides Arbeiten und flexible Arbeitszeiten
- Internationales Team und soziale Veranstaltungen
- Subventionierte urbane Mobilität und Zugang zu Fitness- und Wellnessangeboten
- Kostenloser Zugang zu Langdock und all seinen erstaunlichen Funktionen
- Karriere- und Weiterbildungsmöglichkeiten
- Attraktive Standorte und moderne Büros
- Unterstützung der psychischen Gesundheit mit OpenUp
Einige der hier aufgeführten Vorteile gelten nur für die deutsche Einheit und für Junior-Positionen oder höher.
Analytics Engineer (m/f/d) Arbeitgeber: Statista
Statista offers a vibrant international team and modern offices in major cities like New York and Berlin. Employees enjoy benefits like subsidized urban mobility and mental health support through OpenUp. The company values diversity and promotes a culture of empowerment through data.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Analytics Engineer (m/f/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 Statista 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 Analytics Engineer (m/f/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 Analytics Engineer (m/f/d) bei Statista gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Statista 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 Statista entscheidend sein!
