NoFluffJobs Stacjonarnie Mid

Data Analyst [M/F]

Stackmine

⚲ Kraków

21 840 - 26 880 PLN (B2B)

Wymagania

  • SQL
  • Data analytics

Opis stanowiska

Wymagania:
- Minimum 4 lata doświadczenia w projektach związanych z analizą i przetwarzaniem danych.
- Bardzo dobra znajomość SQL oraz umiejętność tworzenia złożonych zapytań.
- Doświadczenie w analizie danych, zapewnianiu jakości danych oraz ich walidacji.
- Znajomość zagadnień Data Discovery, Data Profiling oraz Data Lineage.
- Doświadczenie w modelowaniu danych oraz pracy z metadanymi.
- Umiejętność współpracy z zespołami biznesowymi i technicznymi.
- Język angielski na poziomie minimum B2 (swobodna komunikacja w środowisku międzynarodowym).
- Analityczne myślenie oraz dobra komunikacja.

Codzienne zadania:
- Analiza danych oraz identyfikacja trendów i nieprawidłowości.
- Tworzenie i optymalizacja zapytań SQL oraz walidacja jakości danych.
- Profilowanie i dokumentowanie źródeł danych oraz metadanych.
- Współpraca z zespołami biznesowymi i technicznymi przy projektowaniu rozwiązań opartych na danych.
- Udział w modelowaniu danych oraz doskonaleniu struktur i jakości danych.
- Wsparcie testów UAT oraz analiza zgłoszeń po wdrożeniu rozwiązań.

🔍 Dekoder Ogłoszenia

🔴
Minimum 4 lata doświadczenia w projektach związanych z analizą i przetwarzaniem danych.
Może oznaczać zarówno doświadczenie w jednym długim projekcie, jak i w wielu krótkich, co wpływa na głębokość zdobytej wiedzy.
🔴
Umiejętność współpracy z zespołami biznesowymi i technicznymi.
Może oznaczać konieczność tłumaczenia skomplikowanych zagadnień technicznych na język zrozumiały dla biznesu i odwrotnie, co bywa wyzwaniem.
🟡
Analityczne myślenie oraz dobra komunikacja.
Standardowe wymagania, które w praktyce mogą oznaczać potrzebę nie tylko logicznego myślenia, ale też umiejętności przekonywania i prezentowania wyników.
🔴
Wsparcie testów UAT oraz analiza zgłoszeń po wdrożeniu rozwiązań.
Może oznaczać konieczność pracy nad błędami i problemami zgłaszanymi przez użytkowników końcowych, co bywa czasochłonne i frustrujące.
🟡
Doświadczenie w modelowaniu danych oraz pracy z metadanymi.
W zależności od kontekstu, może oznaczać zarówno tworzenie prostych schematów, jak i zaawansowane techniki modelowania w dużych hurtowniach danych.