Senior Spark Data Engineer — Remote in Switzerland

Wavestone Germany AG; Zürich; Hybrid; CHF 110,000 - 190,000; Full time

Job summary

Wavestone Germany AG sucht einen Senior Spark Data Engineer / Big Data Engineer (m/w/d) für Projekte im Raum Zürich oder St. Gallen. Remote-Anteil innerhalb der Schweiz möglich, Einsatzort primär Zürich; Teilzeit ca. 50–60%.

Start möglichst zeitnah, Dauer ca. 2 Monate, 50–60% Auslastung. Zu den Aufgaben gehören Migration von Spark 3 auf 3.5, Optimierung von Pipelines, Zusammenarbeit mit Data- und Plattform-Teams sowie Testing und Performance-Verbesserungen.

Qualifications

• Mehrjährige Erfahrung als Data Engineer oder Big Data Engineer.
• Sehr gute Kenntnisse in Spark und PySpark.
• Erfahrung mit Java, Python oder vergleichbaren kompilierten Sprachen.
• Know-how in Big-Data-Plattformen wie Cloudera, Hadoop oder Databricks.
• Kenntnisse in Datenpipelines und ETL-Prozessen.
• Verständnis verteilter Systeme und Datenarchitekturen.
• Idealerweise Erfahrung mit Spark-Upgrades und Migrationsprojekten.
• Offene Persönlichkeit mit einer raschen Auffassungsgabe.
• Verhandlungssichere Deutschkenntnisse in Wort und Schrift.

Responsibilities

• Migration bestehender Lösungen von Spark 3 auf Spark 3.5.
• Analyse und Anpassung von Data-Pipelines und Ladeframeworks.
• Sicherstellung der Kompatibilität bestehender Anwendungen.
• Entwicklung und Optimierung von Spark-basierten Verarbeitungsprozessen.
• Zusammenarbeit mit Data- und Plattform-Teams.
• Testing, Fehleranalyse und Performance-Optimierung.
• Dokumentation der technischen Änderungen.

Skills

Spark

PySpark

Java

Python

Cloudera

Hadoop

Databricks

ETL-Prozesse

Verteilte Systeme

Spark-Upgrades

Deutschkenntnisse

Job description

Wavestone Germany AG sucht einen Senior Spark Data Engineer / Big Data Engineer (m/w/d) für Projekte im Raum Zürich oder St. Gallen. Remote-Anteil innerhalb der Schweiz möglich, Einsatzort primär Zürich; Teilzeit ca. 50–60%.

Start möglichst zeitnah, Dauer ca. 2 Monate, 50–60% Auslastung. Zu den Aufgaben gehören Migration von Spark 3 auf 3.5, Optimierung von Pipelines, Zusammenarbeit mit Data- und Plattform-Teams sowie Testing und Performance-Verbesserungen.