Data Engineer: Build Scalable Pipelines & Data Lakes Remote

Talentfinder; Brussel Hoofdstad; Hybrid; EUR 65,000 - 90,000; Full time

Benefits offered by this job

Salaire compétitif

Télétravail possible

Horaires flexibles

Développement personnel

Environnement innovant

Transports en commun faciles

Job summary

Association Pharmaceutique Belge (APB) recherche un Data-Engineer pour concevoir et entretenir des data pipelines, transformer des données brutes et soutenir les Data-Analysts et Data-Scientists.

Vous travaillerez sur l’intégration de flux internes et externes, l’optimisation des bases et la mise en place de modèles ML en production, avec un accent sur la qualité et l’intégrité des données.

Qualifications

• Bachelor ou Master en informatique ou domaine similaire.
• Minimum 2 à 3 ans d'expérience dans un rôle similaire.
• Expérience avec Hadoop et Spark (Big Data).
• Maîtrise de Python et Java; SQL avancé et bases PostgreSQL/SQL Server.
• Conception de data warehouses et data lakes; DBT et Airflow maîtrisés.

Responsibilities

• Concevoir, développer et entretenir des data pipelines fiables et des processus ETL.
• Intégrer divers flux de données internes et externes dans notre plateforme de données.
• Optimiser les performances des bases de données et assurer la qualité des données.
• Collaborer avec Data Analysts/Scientists pour modéliser et analyser des ensembles de données.
• Soutenir l’implémentation des modèles de machine learning en prod.
• Documenter les solutions techniques et les processus.

Skills

Big Data

Python

Java

SQL

ETL

Data Warehouses

Data Lakes

DBT

Snowflake

Airflow

QLIK Sense

QLIK NPrinting

Hadoop

Spark

Education

Bachelor ou Master en informatique

Tools

PostgreSQL

SQL Server

Hadoop

Spark

Job description

Association Pharmaceutique Belge (APB) recherche un Data-Engineer pour concevoir et entretenir des data pipelines, transformer des données brutes et soutenir les Data-Analysts et Data-Scientists.

Vous travaillerez sur l’intégration de flux internes et externes, l’optimisation des bases et la mise en place de modèles ML en production, avec un accent sur la qualité et l’intégrité des données.