Leitender Dateningenieur

Dateningenieur
Shiftbase entwickelt den selbstfahrenden Assistenten für schichtbasierte Unternehmen in ganz Europa. Zu unseren Kunden zählen unabhängige Restaurants in Amsterdam und Einzelhändler mit mehreren Standorten in München. Sie verbringen jede Woche Stunden mit der Terminplanung, Zeiterfassung, Gehaltsabrechnungsvorbereitung und Personalverwaltung. Wir wollen ihnen diese Arbeit abnehmen und sie schließlich für sie erledigen.
Unter dieser Produktvision verbirgt sich eine Datenherausforderung. Erkenntnisse, Automatisierung und KI hängen alle von Daten ab, denen Menschen vertrauen können, und die Grundlage dafür ist noch nicht vorhanden.

Sie werden die Grundlage schaffen, die dieses Problem behebt.

Was du tun wirst

• Gestalten Sie das Lager. Entwerfen und besitzen Sie unser BigQuery- und Dataform-Warehouse von Grund auf. Bauen Sie ein geschichtetes, gut modelliertes Fundament auf, das Medaillon durch die Marts inszeniert, nicht nur durch die Modelle, die darauf sitzen. Fragen Sie jeden Tag, ob das gesamte Unternehmen darauf vertrauen und es wiederverwenden kann.

• Sorgen Sie für einen zuverlässigen Datenfluss. Erstellen Sie ELT und ETL mit inkrementellen, idempotenten Ladevorgängen, Orchestrierung und Wiederholungsversuchen, damit Pipelines pünktlich ausgeführt werden, ohne dass jemand sie beobachtet. Schiffsüberwachte Pipelines, die der Produktion standhalten.

• Nehmen Sie die Transformationsebene. Besitzen Sie die Dataform-Modellierungs- und Transformationsschicht, übernehmen Sie die volle Verantwortung für die Transformationsschicht und geben Sie Kapazität für semantische Modellierung und Geschäftsdefinitionen frei. Dadurch wird das gesamte Team entsperrt.

• Bauen Sie Vertrauen in die Daten auf. Machen Sie Validierung, Aktualitätsüberwachung, Warnungen und Herkunft zum Standard. Diagnostizieren Sie Fehler an der Grundursache. „leadscorev2“ ist das Ergebnis, das diese Rolle verhindern soll.

• Dienen Sie dem gesamten Unternehmen. Geben Sie saubere, verwaltete Datensätze an Metabase, HubSpot und die ML- und KI-Arbeit des Produkt-ML-Teams weiter. Übertragen Sie modellierte Daten zurück in die Tools, mit denen Geschäftsteams arbeiten, einschließlich HubSpot und Customer.io.

• Besitzen Sie den Plattform-Handshake. Führen Sie die tägliche Zusammenarbeit mit dem Plattformteam auf unserer GCP-Grundlage durch, einer Brücke, die heute nur Teilzeitbeschäftigung erhält.

• Behandeln Sie das Lager wie ein Produkt. Halten Sie Dokumentation, Herkunft und Auffindbarkeit auf dem neuesten Stand, damit Abteilungen den Datenbeständen vertrauen und vertrauliche Personal- und Personaldaten gemäß den DSGVO-Standards verarbeiten können.

Wie der Erfolg in den ersten drei bis sechs Monaten aussieht

• Das Lager verfügt über ein echtes Fundament. Der erste vertikale Abschnitt, unser Kontomodell, wird mit Tests und Überwachung geliefert.

• Sie verfügen vollständig über die Dataform-Transformationsschicht und schaffen so Kapazitäten für die semantische Modellierung und Geschäftsdefinitionsarbeit

• Pipelines laufen im Rahmen einer definierten Aktualitäts-SLA, und Sie erkennen Pausen, bevor die Stakeholder dies tun.

• Dokumentation und Abstammung decken das ab, was Sie besitzen, und festsitzende Datensätze fließen jetzt an die Teams, die sie benötigen.

•

Was wir suchen

Sie haben selbst Lagerfundamente gebaut. Sie haben sie entworfen, anstatt die von jemand anderem zu pflegen, mit einer Erfolgsbilanz in:

• Entwerfen geschichteter Lagerarchitekturen (Medaillon, Bronze-Silber-Gold) und dimensionaler Modelle (Stern und Schneeflocke), die von Teams wiederverwendet werden

• Erweitertes SQL als Ihre tägliche Arbeitssprache

• Praktisches BigQuery, da unser Stack GCP ist

• Erstellen einer SQL-Transformationsebene in Dataform oder gute DBT-Erfahrung.

• ELT und ETL mit inkrementellen, idempotenten Lasten und echter Orchestrierung, Planung und Abhängigkeitsverwaltung

• Datenqualität, Tests, Frischeüberwachung und Abstammung sind von Anfang an integriert

• Python für Pipeline-Code, Skripterstellung, Automatisierung und API-Integration

• Überprüfbare, wiederholbare Änderungen durch Git- und PR-basierte Bereitstellung

Schön zu haben, nicht erforderlich: ein weiteres modernes Cloud-Warehouse wie Snowflake oder Redshift; verwaltete Aufnahme wie Airbyte; Vorbereiten von Daten für ML-, LLM- und Agenten-Anwendungsfälle; und Vertrautheit mit B2B-SaaS-Kennzahlen und HR- oder Personaldaten. Englisch ist unsere Arbeitssprache, Niederländisch ist nicht erforderlich.

Bei dieser Rolle handelt es sich nicht um Infrastruktur-Engineering, ML oder MLOps oder Dashboard-Analyse. Das Plattformteam besitzt die Infrastruktur, das Produkt-ML-Team besitzt ML und die Geschäftsteams besitzen Dashboards. Es ist auch nichts für jemanden, der nur ein von einer anderen Person entworfenes Lager gewartet hat. Sie bauen die Grundlage richtig auf, bleiben hinsichtlich Datenqualität und Kompromissen transparent und behandeln das Lager als Produkt für das gesamte Unternehmen. Sie berichten an den Head of Operations und arbeiten bei der Datenarchitektur des Unternehmens eng mit dem Plattformteam zusammen.
Weitere englischsprachige Jobs in den Niederlanden finden Sie auf Arbeitnow

Quelle: Arbeitnow (https://www.arbeitnow.nl/jobs/companies/shiftbase-bv/senior-data-engineer-zoetermeer-196651)