Auf einen Blick
- Aufgaben: Entwickle und optimiere Datenpipelines für unsere Gesundheitsplattform.
- Unternehmen: Statista, die führende Plattform für Geschäftsdaten mit globaler Reichweite.
- Vorteile: Flexibles Arbeiten, internationale Events und Karrierechancen.
- Weitere Informationen: Vielfältige Kultur und Unterstützung für mentale Gesundheit.
- Warum dieser Job: Gestalte die Zukunft der Gesundheitsdaten und arbeite mit einem dynamischen Team.
- Qualifikationen: Erfahrung in Datenengineering und Cloud-Infrastruktur erforderlich.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
Bei Statista dreht sich alles um Fakten und Daten, denn wir sind die weltweit führende Geschäftsdataplattform. Durch die Bereitstellung zuverlässiger und benutzerfreundlicher Daten sowie verschiedener Datenanalyseprodukte und -dienstleistungen ermöglichen wir es Menschen auf der ganzen Welt, 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 hier willkommen, egal wer Sie sind, woher Sie kommen oder wie Sie aussehen. Ihre Geschichte zählt – schreiben Sie sie weiter als Teil unseres Teams.
Über die Rolle
Als Senior Data Engineer auf unserer Healthcare-Plattform sind Sie verantwortlich für die grundlegende Datenaufnahme, die Entitätsauflösung und die Plattforminfrastruktur von Anfang bis Ende. Sie entwerfen und betreiben skalierbare Batch-/Streaming-Datenpipelines, stärken die Plattformorchestrierung und gewährleisten Systemzuverlässigkeit, Sicherheit und Kosteneffizienz.
Eine zentrale Herausforderung dieser Rolle besteht darin, unsere einheitliche Gesundheitsdatenontologie aufzubauen und zu operationalisieren – ein konsistentes semantisches Modell, das Krankenhäuser, Abteilungen, Fachrichtungen, Kennzahlen und Klassifizierungsstandards abdeckt. In enger Zusammenarbeit mit Analytics Engineers, Data Scientists und Methodologie-Experten verwandeln Sie heterogene, länderübergreifende Krankenhausdaten in ein kohärentes, hoch abfragbares Datenasset.
Hauptverantwortlichkeiten
- Pipelines Infrastruktur & Orchestrierung: Aufbau, Optimierung und Betrieb zuverlässiger ELT-Pipelines (unter Verwendung von Python, SQL und Prefect/Airflow) zur Datenaufnahme aus heterogenen internationalen Quellen, APIs, Datenbanken und Lakehouse-Speicher (S3, Apache Iceberg).
- Healthcare Ontologie & Entitätsauflösung: Umsetzung der Entitätsauflösung und des Master Data Management (MDM) für internationale Krankenhausentitäten, Zuordnung von Rohdaten zu kanonischen Strukturen und Pflege standardisierter Vokabulare (z.B. ICD/OPS, Fachtaxonomy).
- Datenverträge & Schema-Governance: Etablierung strenger Datenverträge (Pydantic, dbt-Verträge) und Schema-Management, Gewährleistung der Reproduzierbarkeit von Datensätzen, Datenherkunftsverfolgung und automatisierter Validierung über alle Plattformpipelines hinweg.
- Plattformeffizienz & Cloud-Infrastruktur: Optimierung der Datenspeicherung, Abfrageausführung und Compute-Kosten über AWS und Snowflake, um Datenassets leistungsfähig, sicher und kosteneffektiv zu halten.
- Automatisierung & CI/CD: Implementierung automatisierter Test- und Bereitstellungsworkflows für Datenpipelines unter Verwendung von GitHub Actions und Infrastructure as Code (Terraform).
- Cross-Funktionale Datenaktivierung: Direkte Zusammenarbeit mit Analytics Engineers, Data Scientists und Fachexperten zur Bereitstellung dokumentierter, forschungsfähiger und produktionsbereiter Datensätze.
Qualifikationen
Kernanforderungen (Must-Haves)
- Datenaufnahme & Pipeline-Orchestrierung: Fortgeschrittene Kenntnisse in Python und analytischem SQL für komplexe Datenaufnahmen aus verschiedenen Dateiformaten, REST-APIs, Datenbanken und Cloud-Lakes (S3/Iceberg). Praktische Erfahrung mit modernen Orchestratoren (Prefect, Airflow oder Dagster).
- Entitätsauflösung & Daten-Governance: Praktische Erfahrung mit Entitätsauflösungs-/Datensatzverknüpfungsrahmen (z.B. Splink, dedupe, recordlinkage) und Schema-Management/Datenverträgen (Pydantic, dbt-Verträge oder JSON-Schema).
- Cloud-Plattform & Warehouse-Infrastruktur: Tiefgehende praktische Erfahrung in einer AWS-Produktionsumgebung (S3, ECS/EC2) in Kombination mit Cloud-Datenlagern (Snowflake).
- Automatisierte CI/CD & Workflow-Automatisierung: Nachweisliche Erfolge bei der Automatisierung von Bereitstellungen von Datenpipelines, Integrationstests und Validierungsworkflows über GitHub Actions.
Nice-to-Haves (Was Sie hervorheben wird)
- Wissensgraphen & Gesundheitsbegriffe: Erfahrung mit Ontologie-/semantischen Rahmenwerken (RDF/OWL, SKOS, Neo4j, LinkML) oder internationalen medizinischen Klassifikationen/Vokabularen (SNOMED CT, ICD/OPS, FHIR).
- Metadaten- & Herkunfts-Tools: Erfahrung im Betrieb von Metadatenregistern und Herkunftskatalogen (z.B. OpenMetadata, DataHub, dbt docs).
- Infrastructure as Code (IaC): Kenntnisse in der Verwendung von Terraform zur deklarativen Verwaltung von Cloud-Ressourcen und -Umgebungen.
Ihr Profil
- Abschluss: Bachelor- oder Masterabschluss in Informatik, Data Science, Software Engineering oder einem verwandten quantitativen Bereich.
- Erfahrung: 5+ Jahre in der Datenengineering, Aufbau von Produktionspipelines und Datenplattformen; einschließlich eines längeren Zeitraums innerhalb einer Organisation, in der ein Kernprodukt oder eine Plattform durch den Prozess von Aufbau → Einführung → Iteration begleitet wurde.
- Fachkenntnisse: Erfahrung im Gesundheitswesen ist von Vorteil (grundlegendes Verständnis von Gesundheits-KPIs, Qualitätskennzahlen oder Benchmarking-Konzepten; Vertrautheit mit Krankenhausstrukturen und medizinischen Klassifikationssystemen wie ICD/OPS ist besonders wertvoll).
- Denkweise: Starke analytische und systematische Denkweise mit nachgewiesener Fähigkeit, unordentliche, heterogene internationale Daten in ein sauberes, gut verwaltetes und hoch strukturiertes Datenasset zu transformieren.
- Sprachen: Fließend in Englisch, Deutsch ist von Vorteil.
- Arbeitsstil: Hoch strukturiert, neugierig, detailorientiert und motiviert, eng mit Analytics Engineers, Data Scientists und Methodologie-Experten in einem internationalen Umfeld zusammenzuarbeiten.
Was wir bieten
Zusätzlich zu unserem großartigen Team, unserer Kultur und unserem gemeinsamen Ziel, Menschen mit Daten zu empowern, gibt es viele weitere Dinge, die Statista zu einem großartigen Arbeitsplatz machen! Treten Sie uns bei 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
- Freier Zugang zu Langdock und all seinen großartigen Funktionen
- Karriere- & Schulungsmöglichkeiten
- 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.
(Senior) Data Engineer - Data Platform & Ontology (m/f/d) Arbeitgeber: Statista
Statista ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern nicht nur ein dynamisches und internationales Arbeitsumfeld bietet, sondern auch zahlreiche Möglichkeiten zur persönlichen und beruflichen Weiterentwicklung. Mit flexiblen Arbeitszeiten, der Option auf hybrides Arbeiten und einem starken Fokus auf Teamkultur und Diversität, schaffen wir eine Umgebung, in der jeder geschätzt wird und seine individuelle Geschichte fortschreiben kann. Unsere Mitarbeiter profitieren zudem von attraktiven Zusatzleistungen wie subventionierter urbaner Mobilität und Zugang zu Fitness- und Wellnessangeboten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so (Senior) Data Engineer - Data Platform & Ontology (m/f/d) 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 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 (Senior) Data Engineer - Data Platform & Ontology (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 (Senior) Data Engineer - Data Platform & Ontology (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!
