Werkstudent Digital Transformation (m/w/d) Teilzeit

Onsai GmbH; Grafing bei München; Vor Ort; EUR 17.000 - 28.000; Teilzeit

Benefits dieser Stelle

Flexible Arbeitszeiten

Homeoffice

Weiterbildungsmöglichkeiten

Zusammenfassung

CADFEM sucht ab sofort einen Werkstudenten im Bereich Digital Transformation mit Schwerpunkt Datenqualität und Analytics-Perspektiven. Du unterstützt beim Aufbau eines unternehmensweiten Datenmanagements, prüfst und bereinigst Stammdaten und arbeitest an Referenz- und Mapping-Tabellen.

Du studierst Wirtschaftsinformatik, Data Science, Informatik oder Vergleichbares, beherrschst Excel sicher und hast idealerweise SQL oder Python-Grundkenntnisse.

Qualifikationen

• Laufendes Studium in relevanten Bereichen (Wirtschaftsinformatik, Data Science, Informatik).
• Sehr gute Excel-Kenntnisse; idealerweise Erfahrung mit SQL oder Python.
• Strukturierte, sorgfältige Arbeitsweise und bereichsübergreifende Zusammenarbeit.
• Ausgeprägtes Interesse an Datenmanagement, Data Engineering oder Data Analytics.
• Gute Deutsch- und Englischkenntnisse.

Aufgaben

• Unterstützung beim Aufbau eines unternehmensweiten Datenmanagements
• Prüfung und Bereinigung von Kunden- und Stammdaten inkl. Duplikate
• Pflege von Referenz- und Mapping-Tabellen
• Mitwirkung an Dokumentation und Weiterentwicklung der Datenarchitektur
• Erstellung von Auswertungen, Reports und Dashboards in Zusammenarbeit mit Fachbereichen

Kenntnisse

Excel

SQL

Python

Datenmanagement

Datenanalyse

Teamarbeit

Deutschkenntnisse

Englischkenntnisse

Ausbildung

Wirtschaftsinformatik / Data Science / Informatik Studium

Jobbeschreibung

Werkstudent*
Digital Transformation

Wir suchen ab sofort zur Erweiterung unseres Digital Transformation- Teams einen Werkstudenten* mit Schwerpunkt im Bereich Datenqualität und Entwicklungsmöglichkeiten in Richtung Analytics. Innovative Lösungsansätze, Teamgeist und die Begeisterung für Simulation sind das Herzstück von CADFEM und spiegeln sich in all unseren Bereichen wider.

Ihre Aufgaben

• Unterstützung unseres Digital Transformation-Teams beim Aufbau eines unternehmensweiten Datenmanagements
• Prüfung und Bereinigung von Kunden- und Stammdaten in unseren Systemen, einschließlich der Identifikation von Duplikaten und unvollständigen Datensätzen
• Pflege von bestehenden Referenz- und Mapping-Tabellen
• Mitarbeit bei der Dokumentation und Weiterentwicklung unserer Datenarchitektur
• Mitwirkung bei der Erstellung von Auswertungen, Reports und Dashboards in enger Zusammenarbeit mit Ansprechpartnern aus verschiedenen Fachbereichen zur Abstimmung von Anforderungen

Ihr Profil

• Laufendes Studium im Bereich Wirtschaftsinformatik, Data Science, Informatik oder vergleichbar
• Sehr gute Anwenderkenntnisse in Microsoft Excel, idealerweise erste Erfahrungen mit SQL oder Python
• Strukturierte und sorgfältige Arbeitsweise sowie Freude an der bereichsübergreifenden Zusammenarbeit
• Ausgeprägtes Interesse an Datenmanagement, Data Engineering oder Data Analytics
• Gute Deutsch- und Englischkenntnisse

Unser Angebot

• C A D F E M Onboarding-Programm & umfassende Einarbeitung
• A bwechslungsreiche & verantwortungsvolle Aufgaben
• D urchgehende fachliche & persoenliche Weiterbildung
• F lexible Arbeitszeiten & Homeoffice fuer Vereinbarkeit von Familie, Freizeit & Beruf
• E rstklassige Kollegialitaet eines erfolgreichen Familienunternehmens
• M otivierende Atmosphaere, flache Hierarchien & kurze Informationswege

Ueber uns

Wir sind CADFEM, wir lieben und leben Simulation. Als Ansys Elite Channel Partner vertreiben wir die Produkte des weltweit groessten unabhaengigen Entwicklers von Simulationssoftware. Weil Software allein noch keinen Simulationserfolg garantiert, beraten und begleiten wir unsere Kunden mit umfassenden Serviceleistungen und einzigartigem Know-how. Ueber 250 Mitarbeiter an 10 Standorten in Deutschland, Oesterreich und der Schweiz ziehen dafuer an einem Strang. Weltweit sind wir mit der CADFEM Group in ueber 20 Laendern vertreten.

* Der Mensch zaehlt: Wir setzen auf Vielfalt und denken nicht in Kategorien wie Geschlecht, Herkunft, Religion, Behinderung, Alter oder sexuelle Identitaet