Auf einen Blick
- Aufgaben: Entwickeln und automatisieren Sie skalierbare ELT-Pipelines in unserem Data Warehouse mit Snowflake.
- Unternehmen: Das ZAP-Team bei Zendesk fördert datengestützte Ansätze zur Verbesserung von Kundenservice-Tools.
- Vorteile: Arbeiten Sie in einem kollaborativen Umfeld mit den neuesten Engineering-Best-Practices.
- Weitere Informationen: Erfahrung mit Cloud-Datenbanken wie Snowflake und BigQuery ist von Vorteil.
- Warum dieser Job: Gestalten Sie die Zukunft der CRM-Analytik und verbessern Sie die Support-Operationen von Zendesk.
- Qualifikationen: Mindestens 8 Jahre Erfahrung in der Datenverarbeitung und umfangreiche Kenntnisse in SQL und dbt.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Das Team 'Zendesk Analytics Prototyping' (ZAP) sucht einen erfahrenen Staff Data Engineer, um das Ziel des Teams zu unterstützen, CRM-Messungen und -Einblicke zu beschleunigen und einen datenzentrierten Ansatz zur Verbesserung von Kundenservicetools und -operationen zu fördern. Um diese Mission zu verwirklichen, bauen und pflegen wir robuste, feingranulare und kontextreich Datenmengen, die eine Grundlage für die Entwicklung von Einblicken bieten, die dazu beitragen, die Support-Operationen von Zendesk zu verbessern.
Die Rolle wird verantwortlich sein für die enge Zusammenarbeit mit Software Development Engineers und Business Intelligence Engineers, um qualitativ hochwertige Datenpipelines zu erstellen und den Datenlake des Teams zu verwalten. Sie werden in einer kollaborativen Umgebung arbeiten, die die neuesten Engineering-Best-Practices nutzt, und an allen Aspekten des Software-Entwicklungszyklus beteiligt sein. Sie werden kuratierte Datensätze erstellen und entwickeln und dabei standardisierte architektonische und Datenmodellierungspraktiken anwenden. Primär werden Sie Data Warehouse-Lösungen in Snowflake unter Verwendung von Technologien wie dbt, Airflow und Terraform entwickeln.
Was Sie tun werden:
- Zusammenarbeit mit Teammitgliedern und internen Stakeholdern, um Geschäftsanforderungen zu verstehen, erfolgreiche Analyseergebnisse zu definieren und Datenmodelle zu entwerfen.
- Entwicklung, Automatisierung und Wartung skalierbarer ELT-Pipelines in unserem Data Warehouse, um zuverlässige Geschäftsberichte sicherzustellen.
- Entwurf und Aufbau von ELT-basierten Datenmodellen unter Verwendung von SQL und DBT.
- Identifizierung, Entwurf und Implementierung interner Prozessverbesserungen: Automatisierung manueller Prozesse, Optimierung der Datenlieferung.
- Zusammenarbeit mit Daten- und Analyseexperten, um eine größere Funktionalität in unseren Datensystemen anzustreben.
Was Sie mitbringen:
- 8+ Jahre Erfahrung im Bereich Datenengineering, einschließlich Aufbau, Wartung und Arbeit mit Datenpipelines und ETL-Prozessen in Big Data-Umgebungen.
- Umfangreiche Erfahrung mit SQL, idealerweise im Kontext von Datenmodellierung und -analyse.
- Praktische Erfahrung in der Produktion mit dbt und nachgewiesenes Wissen in modernen und klassischen Datenmodellierungen – Kimball, Inmon usw.
- Kenntnisse in einer Programmiersprache wie Python, Go, Java oder Scala.
- Erfahrung mit cloudbasierten Spalten-Datenbanken (Google BigQuery, Amazon Redshift, Snowflake), Abfrageautorisierung (SQL) sowie praktische Vertrautheit mit verschiedenen Datenbanken.
- Erfahrung mit Prozessen zur Unterstützung der Datenumwandlung, Datenstrukturen, Metadaten, Abhängigkeiten, um eine effiziente Datenverarbeitung und Arbeitslastmanagement sicherzustellen.
- Ausgezeichnete Kommunikations- und Kollaborationsfähigkeiten.
- Blüht in unklaren Situationen auf und besitzt eine proaktive Problemlösungsmentalität.
Bevorzugte Qualifikationen:
- Erfahrung mit BigQuery, Snowflake oder ähnlichen Cloud-Warehouses.
- Vertrautheit mit KI-Tools und -Techniken, die auf Datenanalyse- und Datenumwandlungsaufgaben angewendet werden könnten.
- Abgeschlossene Projekte mit dbt.
- Vertrautheit mit Lean/6 Sigma-Prinzipien und ein Verständnis für CRM-Analytik.
Unser Daten-Stack: ELT (Snowflake, dbt, Airflow, Kafka), BI (Tableau, Looker), Infrastruktur (AWS, Kubernetes, Terraform, GitHub Actions)
Staff Data Engineer Arbeitgeber: Zendesk
Zendesk bietet ein dynamisches Arbeitsumfeld in einem innovativen Team, das sich auf CRM-Analytik konzentriert. Mitarbeiter profitieren von modernsten Technologien wie Snowflake und dbt. Das Unternehmen hat eine klare Mission zur Verbesserung des Kundenservices durch datengestützte Entscheidungen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Staff 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 Zendesk 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 Staff 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 Staff Data Engineer bei Zendesk gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Zendesk 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 Zendesk entscheidend sein!
