Analytics Engineer

Jobat; Herentals; On-site; EUR 70,000 - 100,000; Full time

Job summary

Jobat zoekt een Analytics Engineer die organisaties helpt data om te zetten in bruikbare inzichten en impact. Je werkt vanuit Leuven in een data- en AI-consultingomgeving aan dataproducten waarop dashboards en AI-initiatieven kunnen steunen.

Je combineert technische expertise met businesslogica, bouwt robuuste datamodellen en zorgt voor goede data quality en observability, zodat stakeholders vertrouwen hebben in de cijfers en beslissingen. Je werkt voor uiteenlopende sectoren.

Qualifications

• Kennis van datamodelleertechnieken en datavormen.
• Ervaring met ETL/ELT-pijplijnen en data-architectuur.
• Inzicht in data-kwaliteit, monitoring en observability.

Responsibilities

• Ruwe data ontsluiten en omzetten in betrouwbare, goed gemodelleerde dataproducten.
• Ontwerpen en toepassen van datamodellen en modelingtechnieken zoals Kimball en Data Vault.
• Scherpstellen en vertalen van businesslogica en metrics naar schaalbare modellen.
• Coördineren van datatransformaties, pipelines, orchestration, data quality en observability.
• Toelichten van technische keuzes en uitleggen wat er in een datamodel zit en waarom het klopt.

Skills

Data modeling

Data pipelines

Data quality

Observability

Data orchestration

Stakeholder communication

Job description

**Wil jij organisaties helpen om betrouwbare data om te zetten in inzichten en impact?**

Als **Analytics Engineer** werk je vanuit de regio Leuven binnen een data- en AI-consultingomgeving aan dataproducten waarop dashboards, analyses en AI-initiatieven kunnen steunen. Je combineert technische expertise met een goed begrip van businesslogica en werkt voor organisaties in uiteenlopende sectoren.

Jobomschrijving

**Hoe zal jouw takenpakket eruitzien?**

• Ruwe data ontsluiten en omzetten in betrouwbare, goed gemodelleerde dataproducten.
• Doordachte datamodellen bouwen en modelleringstechnieken toepassen, zoals **K**i**mball or Data** **Vault.**
• Businesslogica en definities van metrics met stakeholders scherpstellen en vertalen naar schaalbare, herbruikbare modellen.
• Datatransformaties, pipelines, orchestration, data quality en observability op elkaar afstemmen.
• Technische keuzes toelichten en begrijpelijk uitleggen wat er in een datamodel zit en waarom het klopt.