Job
Aus Partner-Feed
Datenanalyst
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Ja
- Unternehmen
- Tillster
- Level
- Senior
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Datenanalyst (Mittelstufe)
HYBRID (keine Visaübertragungen oder Sponsoring verfügbar)
Rollenzusammenfassung
Der Datenanalyst ist ein einzelner Mitarbeiter, der über die beaufsichtigte Ausführung hinausgegangen ist und die Unabhängigkeit, analytische Tiefe und Stakeholder-Fähigkeiten entwickelt, die für den Aufstieg in die Führungsebene erforderlich sind. Sie besitzen durchgehend kleinere analytische Bereiche, leisten einen sinnvollen Beitrag zu Teamstandards und beginnen, Erkenntnisse proaktiv ans Licht zu bringen, anstatt auf Anweisungen zu warten.
Was Sie tun werden
Analyse und Bereitstellung von Erkenntnissen
•
Erbringen Sie durchgängig analytische Arbeiten für die zugewiesenen Geschäftsbereiche – von der Festlegung des Umfangs und der Analyse bis hin zur Präsentation und der Nachverfolgung durch Stakeholder – mit minimaler Umleitung
•
Unterstützen Sie Ad-hoc-Analysen für interne Stakeholder, einschließlich Marketing, Produkt, Finanzen und Account Management, und stellen Sie interpretative Rahmenbedingungen neben Datenausgaben bereit, anstatt nur Daten abzurufen
•
Beginnen Sie, Trends, Anomalien und datengesteuerte Beobachtungen den Stakeholdern proaktiv zu offenbaren und entwickeln Sie den Instinkt, unaufgefordert auf das Wesentliche hinzuweisen
•
Unterstützen Sie A/B-Testexperimente unter der Leitung des Senior DA – einschließlich Datenaufbereitung, Metrikverfolgung und Ergebniszusammenfassungen – und bauen Sie auf einem unabhängigen experimentellen Design auf Senior-Ebene auf
Google Analytics und Datenerfassung
•
Unterstützen Sie den Senior DA bei der GA4-Berichterstellung, der Validierung des Tracking-Plans sowie der Implementierung benutzerdefinierter Dimensionen und Metriken
•
Entwickeln Sie praktische Kenntnisse über die GA-to-Warehouse-Integration und Tagging-Praktiken, um sich auf den Besitz dieser Domain auf Senior-Ebene vorzubereiten
BI-Entwicklung und semantische Ebene
•
Entwerfen, erstellen und pflegen Sie Looker-Dashboards und Explores für zugewiesene Geschäftsbereiche und verwalten Sie Ergebnisse mit begrenzter Nacharbeit
•
Entwickeln Sie LookML einschließlich Dimensionen, Kennzahlen, abgeleiteten Tabellen und Explore-Konfigurationen – stellen Sie sicher, dass alle Arbeiten dokumentiert sind und den Teamstandards entsprechen
•
Tragen Sie zur gemeinsamen semantischen Ebene bei, indem Sie Inkonsistenzen bei der Metrikdefinition kennzeichnen und in Zusammenarbeit mit dem Senior DA- und Analytics Engineering-Team Lösungen vorschlagen
•
Erweitern Sie die Self-Service-Analyse für technisch nicht versierte Stakeholder, damit diese ihre eigenen Fragen beantworten und das Ad-hoc-Anfragevolumen an das Team reduzieren können
•
Sorgen Sie für Genauigkeit und Konsistenz der Produktionsuntersuchungen und Dashboards, während sich die zugrunde liegenden Data-Warehouse-Strukturen weiterentwickeln
Datenqualität und Plattformzusammenarbeit
•
Übernehmen Sie die Verantwortung für die Datengenauigkeit für zugewiesene Dashboards und Analyseausgaben – untersuchen Sie proaktiv Unstimmigkeiten und leiten Sie vorgelagerte Probleme mit klaren Ursachennachweisen an Data Engineering weiter
•
Schreiben Sie performantes SQL einschließlich Fensterfunktionen und CTEs; Arbeiten Sie mit Dateningenieuren an der Abfrageoptimierung und dem Design abgeleiteter Tabellen zusammen
•
Entwickeln Sie ein funktionierendes Verständnis der Datenpipelines, die eigene Dashboards versorgen, um Aktualität und Qualitätsprobleme zu diagnostizieren und den Stakeholdern Lösungszeitpläne mitzuteilen
•
Beginnen Sie mit der Zusammenarbeit mit Analytics-Ingenieuren an der LookML-Architektur und den semantischen Schichtanforderungen für eigene Bereiche
Standards und Zusammenarbeit
•
Befolgen Sie Codierungsstandards, SQL-Styleguides, LookML-Konventionen, Dokumentationsanforderungen und PR-Überprüfungsprozesse und tragen Sie aktiv dazu bei
•
Nehmen Sie an Codeüberprüfungen teil und geben Sie konstruktives und konsistentes Feedback, das die Qualität im gesamten Team steigert
•
Unterstützen Sie Junior-Analysten durch paarweise Arbeit und direktes Feedback unter der Anleitung des Senior DA
•
Arbeiten Sie eng mit leitenden Analysten, Dateningenieuren und Geschäftsinteressenten zusammen; Stellen Sie frühzeitig klärende Fragen und kommunizieren Sie proaktiv über Blockaden und Zeitpläne
KI-gestützte Analyse
•
Wenden Sie KI- und LLM-Tools praktisch an, um alltägliche Analyse-Workflows zu beschleunigen – einschließlich SQL-Generierung, LookML-Authoring, Dokumentation und explorativer Analyse
•
Beginnen Sie mit der KI-gestützten Erzählung von Erkenntnissen und der Erkennung von Anomalien und teilen Sie Ihre Erkenntnisse mit dem Team
•
Machen Sie sich mit den Konzepten von Self-Service-Analytics-Agenten vertraut (Cortex Analyst oder gleichwertig), um sich auf den Besitz dieser Fähigkeit auf Senior-Ebene vorzubereiten
Kontinuierliches Lernen
•
Entwickeln Sie aktiv Fähigkeiten in den Bereichen fortgeschrittene SQL-, Python-, statistische Analyse- und Cloud-Datenplattformen
•
Aufbau einer unabhängigen Verantwortung für Experimente, GA4 und Stakeholder-Beratung auf Senior-Ebene
Über Dich
Erforderlich
•
Bachelor-Abschluss in einem quantitativen Bereich wie Mathematik, Statistik, Informatik oder Ingenieurwesen – oder gleichwertige praktische Erfahrung
•
2–4 Jahre Erfahrung in einer Datenanalyse- oder BI-Rolle
•
Starke SQL-Kenntnisse, einschließlich Fensterfunktionen und CTEs
•
Mehr als 2 Jahre praktische Erfahrung mit Looker- und LookML-Entwicklung
•
Erfahrung mit AWS- oder Google Cloud-Data Warehouses (Redshift oder BigQuery)
•
Nachweisbare Erfahrung beim Erstellen von Dashboards und Explores für technisch nicht versierte Geschäftsanwender
•
Praktische Kenntnisse über Best Practices für die Softwareentwicklung: Git, PR-Reviews, Code-Styleguides
•
Kenntnisse in agilen Entwicklungsprozessen
•
Fähigkeit, betriebswirtschaftliche Fragestellungen mit zunehmender Selbständigkeit in analytische Aufgaben umzusetzen
•
Klare, sichere schriftliche und mündliche Kommunikation mit Geschäftsinteressenten
Bevorzugt
•
Umgang mit A/B-Testkonzepten und grundlegendem experimentellen Design
•
Grundlegende Python-Kenntnisse für die Datenmanipulation oder -automatisierung
•
Vertrautheit mit den GA4-Reporting- und Tracking-Grundlagen
•
Erfahrung mit KI- oder LLM-Tools, die auf Analyse-Workflows angewendet werden
•
Erfahrung mit Linux/OSX-Befehlszeile und Git
•
Verständnis der ELT-Pipeline-Konzepte und der Cloud-Dateninfrastruktur
•
Erste Erfahrung in der Betreuung oder Unterstützung jungerer Kollegen…
Quelle: Jobicy (https://jobicy.com/jobs/162172-data-analyst-3)
HYBRID (keine Visaübertragungen oder Sponsoring verfügbar)
Rollenzusammenfassung
Der Datenanalyst ist ein einzelner Mitarbeiter, der über die beaufsichtigte Ausführung hinausgegangen ist und die Unabhängigkeit, analytische Tiefe und Stakeholder-Fähigkeiten entwickelt, die für den Aufstieg in die Führungsebene erforderlich sind. Sie besitzen durchgehend kleinere analytische Bereiche, leisten einen sinnvollen Beitrag zu Teamstandards und beginnen, Erkenntnisse proaktiv ans Licht zu bringen, anstatt auf Anweisungen zu warten.
Was Sie tun werden
Analyse und Bereitstellung von Erkenntnissen
•
Erbringen Sie durchgängig analytische Arbeiten für die zugewiesenen Geschäftsbereiche – von der Festlegung des Umfangs und der Analyse bis hin zur Präsentation und der Nachverfolgung durch Stakeholder – mit minimaler Umleitung
•
Unterstützen Sie Ad-hoc-Analysen für interne Stakeholder, einschließlich Marketing, Produkt, Finanzen und Account Management, und stellen Sie interpretative Rahmenbedingungen neben Datenausgaben bereit, anstatt nur Daten abzurufen
•
Beginnen Sie, Trends, Anomalien und datengesteuerte Beobachtungen den Stakeholdern proaktiv zu offenbaren und entwickeln Sie den Instinkt, unaufgefordert auf das Wesentliche hinzuweisen
•
Unterstützen Sie A/B-Testexperimente unter der Leitung des Senior DA – einschließlich Datenaufbereitung, Metrikverfolgung und Ergebniszusammenfassungen – und bauen Sie auf einem unabhängigen experimentellen Design auf Senior-Ebene auf
Google Analytics und Datenerfassung
•
Unterstützen Sie den Senior DA bei der GA4-Berichterstellung, der Validierung des Tracking-Plans sowie der Implementierung benutzerdefinierter Dimensionen und Metriken
•
Entwickeln Sie praktische Kenntnisse über die GA-to-Warehouse-Integration und Tagging-Praktiken, um sich auf den Besitz dieser Domain auf Senior-Ebene vorzubereiten
BI-Entwicklung und semantische Ebene
•
Entwerfen, erstellen und pflegen Sie Looker-Dashboards und Explores für zugewiesene Geschäftsbereiche und verwalten Sie Ergebnisse mit begrenzter Nacharbeit
•
Entwickeln Sie LookML einschließlich Dimensionen, Kennzahlen, abgeleiteten Tabellen und Explore-Konfigurationen – stellen Sie sicher, dass alle Arbeiten dokumentiert sind und den Teamstandards entsprechen
•
Tragen Sie zur gemeinsamen semantischen Ebene bei, indem Sie Inkonsistenzen bei der Metrikdefinition kennzeichnen und in Zusammenarbeit mit dem Senior DA- und Analytics Engineering-Team Lösungen vorschlagen
•
Erweitern Sie die Self-Service-Analyse für technisch nicht versierte Stakeholder, damit diese ihre eigenen Fragen beantworten und das Ad-hoc-Anfragevolumen an das Team reduzieren können
•
Sorgen Sie für Genauigkeit und Konsistenz der Produktionsuntersuchungen und Dashboards, während sich die zugrunde liegenden Data-Warehouse-Strukturen weiterentwickeln
Datenqualität und Plattformzusammenarbeit
•
Übernehmen Sie die Verantwortung für die Datengenauigkeit für zugewiesene Dashboards und Analyseausgaben – untersuchen Sie proaktiv Unstimmigkeiten und leiten Sie vorgelagerte Probleme mit klaren Ursachennachweisen an Data Engineering weiter
•
Schreiben Sie performantes SQL einschließlich Fensterfunktionen und CTEs; Arbeiten Sie mit Dateningenieuren an der Abfrageoptimierung und dem Design abgeleiteter Tabellen zusammen
•
Entwickeln Sie ein funktionierendes Verständnis der Datenpipelines, die eigene Dashboards versorgen, um Aktualität und Qualitätsprobleme zu diagnostizieren und den Stakeholdern Lösungszeitpläne mitzuteilen
•
Beginnen Sie mit der Zusammenarbeit mit Analytics-Ingenieuren an der LookML-Architektur und den semantischen Schichtanforderungen für eigene Bereiche
Standards und Zusammenarbeit
•
Befolgen Sie Codierungsstandards, SQL-Styleguides, LookML-Konventionen, Dokumentationsanforderungen und PR-Überprüfungsprozesse und tragen Sie aktiv dazu bei
•
Nehmen Sie an Codeüberprüfungen teil und geben Sie konstruktives und konsistentes Feedback, das die Qualität im gesamten Team steigert
•
Unterstützen Sie Junior-Analysten durch paarweise Arbeit und direktes Feedback unter der Anleitung des Senior DA
•
Arbeiten Sie eng mit leitenden Analysten, Dateningenieuren und Geschäftsinteressenten zusammen; Stellen Sie frühzeitig klärende Fragen und kommunizieren Sie proaktiv über Blockaden und Zeitpläne
KI-gestützte Analyse
•
Wenden Sie KI- und LLM-Tools praktisch an, um alltägliche Analyse-Workflows zu beschleunigen – einschließlich SQL-Generierung, LookML-Authoring, Dokumentation und explorativer Analyse
•
Beginnen Sie mit der KI-gestützten Erzählung von Erkenntnissen und der Erkennung von Anomalien und teilen Sie Ihre Erkenntnisse mit dem Team
•
Machen Sie sich mit den Konzepten von Self-Service-Analytics-Agenten vertraut (Cortex Analyst oder gleichwertig), um sich auf den Besitz dieser Fähigkeit auf Senior-Ebene vorzubereiten
Kontinuierliches Lernen
•
Entwickeln Sie aktiv Fähigkeiten in den Bereichen fortgeschrittene SQL-, Python-, statistische Analyse- und Cloud-Datenplattformen
•
Aufbau einer unabhängigen Verantwortung für Experimente, GA4 und Stakeholder-Beratung auf Senior-Ebene
Über Dich
Erforderlich
•
Bachelor-Abschluss in einem quantitativen Bereich wie Mathematik, Statistik, Informatik oder Ingenieurwesen – oder gleichwertige praktische Erfahrung
•
2–4 Jahre Erfahrung in einer Datenanalyse- oder BI-Rolle
•
Starke SQL-Kenntnisse, einschließlich Fensterfunktionen und CTEs
•
Mehr als 2 Jahre praktische Erfahrung mit Looker- und LookML-Entwicklung
•
Erfahrung mit AWS- oder Google Cloud-Data Warehouses (Redshift oder BigQuery)
•
Nachweisbare Erfahrung beim Erstellen von Dashboards und Explores für technisch nicht versierte Geschäftsanwender
•
Praktische Kenntnisse über Best Practices für die Softwareentwicklung: Git, PR-Reviews, Code-Styleguides
•
Kenntnisse in agilen Entwicklungsprozessen
•
Fähigkeit, betriebswirtschaftliche Fragestellungen mit zunehmender Selbständigkeit in analytische Aufgaben umzusetzen
•
Klare, sichere schriftliche und mündliche Kommunikation mit Geschäftsinteressenten
Bevorzugt
•
Umgang mit A/B-Testkonzepten und grundlegendem experimentellen Design
•
Grundlegende Python-Kenntnisse für die Datenmanipulation oder -automatisierung
•
Vertrautheit mit den GA4-Reporting- und Tracking-Grundlagen
•
Erfahrung mit KI- oder LLM-Tools, die auf Analyse-Workflows angewendet werden
•
Erfahrung mit Linux/OSX-Befehlszeile und Git
•
Verständnis der ELT-Pipeline-Konzepte und der Cloud-Dateninfrastruktur
•
Erste Erfahrung in der Betreuung oder Unterstützung jungerer Kollegen…
Quelle: Jobicy (https://jobicy.com/jobs/162172-data-analyst-3)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Tillster
Inserat bereitgestellt von Tillster.