01 Zakres zadań

Długofalowa współpraca z międzynarodową, topową firmą consultingową, świadczącą usługi IT dla dużych i średnich firm z różnorodnych sektorów.
Przyjęcie odpowiedzialności Forward Deployed Data Engineer w strukturach klienta przekształcając rozproszone i niespójne dane źródłowe w zweryfikowane i zaufane zasoby.
Praca z danymi w miejscach ich występowania, w systemach ERP, u administratorów danych, na SharePoint oraz w plikach arkuszy kalkulacyjnych.
Budowanie integracji, pipeline'ów, modeli danych oraz dashboardów umożliwiających wykorzystanie danych w ramach jednego zaangażowania.
Bycie głównym wykonawcą w dwuosobowym zespole zapewniając samodzielną realizację większości pracy Zespołu przy jednoczesnym coachingu i wsparciu drugiego inżyniera w zespole.
Bezpośrednia współpraca z właścicielami danych u klienta w celu zrozumienia poszczególnych systemów oraz wyjaśniania znaczenia danych osobom nietechnicznym.
Modelowanie danych do analizy oraz budowanie mechanizmów uzgodnieniowych i walidacji, tak aby wyniki były zgodne i posiadały możliwość odtworzenia ścieżki do źródła.
Dostarczanie dashboardów oraz widoków self-serve.
Ustalanie architektury danych oraz podejmowanie praktycznych decyzji dotyczących narzędzi oraz wyboru build-vs-buy dla danego zaangażowania.

02 Wymagania

4 must-have · 2 języki

Databricks

Zaawansowany

SQL

Zaawansowany

Azure Data Platform

Zaawansowany

Snowflake

Zaawansowany

Polski

Ekspert

Angielski

Zaawansowany

Minimum 4 lat doświadczenia zawodowego.
Wykształcenia wyższego (tytuł licencjata/inżyniera lub wyższy). Preferowane kierunki studiów: Management Information Systems, Computer and Information Science, Systems Engineering, Matematyka lub Statystyka.
Doświadczenia w budowaniu pipeline'ów oraz modeli danych na Snowflake i Databricks (SQL, Python, PySpark), z wykorzystaniem Sigma lub porównywalnego narzędzia BI do dostarczania wyników.
Doświadczenia w integracji danych z systemów ERP, fund administration, SharePoint, API oraz plików typu flat files w zwalidowany, gotowy do analizy model danych.
Umiejętności projektowania mechanizmów reconciliation, walidacji oraz kontroli jakości danych, a także dbałości o to, aby dane faktycznie się zgadzały (tie out).
Umiejętności stosowania modelowania dimensional oraz performance tuning w celu szybkiego wdrażania wiarygodnych danych.
Umiejętności bezpośredniej komunikacji z właścicielami danych u klienta, zadawania właściwych pytań oraz wyjaśniania pochodzenia danych osobom nietechnicznym.
Doświadczenia we wdrażaniu anonimizacji danych oraz najlepszych praktyk w zakresie bezpieczeństwa i zgodności (compliance) w środowiskach klienckich.
Zrozumienia zasad responsible AI w kontekście wykorzystania danych w przepływach AI.