Data Engineer Consumer Health Cluster Deutschland / Österreich (alle Geschlechter) - Datenbanke[...]

Aufgaben

1. Du entwirfst, entwickelst und wartest robuste Datenpipelines, um die Sammlung, Transformation und Speicherung von Daten aus verschiedenen internen und externen Quellen zu ermöglichen.
2. Die Erstellung eines stabilen Datenmodells für die flexible Analyse in unserer Analyseplattform gehört zu deinem Verantwortungsbereich.
3. Du arbeitest eng mit funktionsübergreifenden Teams zusammen, um Datenanforderungen zu verstehen und sicherzustellen, dass die Datenarchitektur den Unternehmenszielen entspricht.
4. Die Überwachung und Optimierung von Datensystemen hinsichtlich Leistung, Zuverlässigkeit und Skalierbarkeit ist Teil deiner Verantwortung, um eine hohe Datenverfügbarkeit sicherzustellen.
5. Du implementierst Datenqualitätsprüfungen und Validierungsprozesse, um die Integrität und Genauigkeit der Daten zu gewährleisten.
6. Es gehört zu deinen Aufgaben, Dokumentationen für Datenmodelle, Datenflüsse, ETL-Prozesse und allgemeine Datenmanagement-Initiativen zu erstellen und zu pflegen, um Transparenz und Wissensaustausch zu fördern.
7. Du führst Troubleshooting durch und behebst datenbezogene Probleme, wobei du Nutzerinnen, Nutzern und Stakeholder bei Bedarf unterstützt.
8. Du hältst dich über neue Technologien und Best Practices im Bereich Datenengineering auf dem Laufenden, um unsere Datenprozesse und -systeme kontinuierlich weiterzuentwickeln.

Qualifikationen

• Ein Bachelor-Abschluss in Informatik, Informationstechnologie, Data Science oder einem verwandten Bereich ist erforderlich, alternativ mehrjährige relevante Erfahrung und kontinuierliche Weiterbildung in diesem Bereich. Ein Master-Abschluss ist von Vorteil.
• Mehrjährige Erfahrung im Datenengineering oder einem verwandten Bereich, mit Fokus auf Entwicklung von Datenpipelines, Data Storage und Datenmanagement.
• Erfahrung in der OTC- oder FMCG-Umgebung ist von Vorteil.
• Versiert in Datenmodellierung und Programmierung (z.B. mit Python, Java oder Scala), sicher im Umgang mit SQL und Erfahrung mit relationalen (z.B. PostgreSQL, MySQL) sowie NoSQL-Datenbanken (z.B. MongoDB, Cassandra).
• Erfahrung im Bereich Data Storage (z.B. AWS Redshift, Google BigQuery), mit ETL-Tools (z.B. Apache Airflow, Talend) sowie mit Cloud-Plattformen (z.B. AWS, Azure, Google Cloud) und Kenntnisse im Design multidimensionaler Modelle (z.B. PowerBI, MS Analysis Services).
• Fundierte Kenntnisse in Datenanalyse-Konzepten, statistischer Analyse und Erfahrung mit Tools wie Power BI für Berichte und Dashboards.
• Starke analytische und problemlösende Fähigkeiten, Fähigkeit komplexe Datensätze zu analysieren und eng mit Datenanalysten zusammenzuarbeiten, um Geschäftsanforderungen in technische Lösungen umzusetzen.
• Sichere Kommunikation in Deutsch und Englisch, um effektiv mit technischen und nicht-technischen Stakeholdern zusammenzuarbeiten.