NoFluffJobs Stacjonarnie Senior

Data Engineer

Devire

⚲ Warszawa

20 160 - 26 040 PLN (B2B)

Wymagania

  • Data engineering
  • SQL
  • ETL
  • Power BI
  • Tableau
  • Qlik Sense
  • NoSQL
  • Elasticsearch
  • XML
  • JSON
  • Microsoft Power Query
  • MS Excel
  • Windows
  • Linux
  • Jira
  • Confluence
  • Python (nice to have)
  • PSD2 (nice to have)
  • R (nice to have)
  • SAS (nice to have)
  • 4GL (nice to have)
  • Google Cloud Platform (nice to have)

Opis stanowiska

O projekcie:
Devire Outsourcing IT to forma współpracy dedykowana dla specjalistów z branży IT, oparta na zasadach własnej działalności gospodarczej - B2B, realizująca projekty dla Klientów prowadzących innowacyjne i nowoczesne projekty. 

Dla naszego Klienta z sektora bankowego, poszukujemy osoby na stanowisko: Data Engineer.

- Kontrakt B2B, długofalowa współpraca
- Praca hybrydowa: 2x w tygodniu w biurze w Warszawie
- Stawka: 120-155 zł/h netto + vat w zależności od doświadczenia

- Wynagrodzenie w oparciu o umowę B2B (via Devire).
- Stawkę 120-155 zł/h netto + vat.
- Możliwość wykupienia pakietu benefitów (opieka medyczna, karta multisport, ubezpieczenie na życie, system kafeteryjny).
- Długofalową współpracę

Wymagania:
- Kilkuletnie doświadczenie na stanowisku Data Engineera
- Zaawansowana znajomości języka SQL
- Doświadczenie w pracy z bazami danych i budowie oraz obsłudze procesów ETL
- Dobra znajomość jednego z programów do wizualizacji danych, np.: Power BI, Tableau, Qlik Sense
- Znajomość rozwiązań noSQL i silników typu Elastic Search lub innych rozwiązań obiektowego składowania i przetwarzania danych
- Umiejętność pracy z plikami XML / JSON oraz analizy logów tekstowych
- Znajomość dodatku Microsoft Power Query, z doświadczeniem praktycznym użycia w MS Excel lub Power BI
- Umiejętność programowania w co najmniej jednym języku wysokiego poziomu (mile widziany Python)
- Znajomość zagadnień związanych z segmentacją i predykcją
- Praktyczna znajomość systemów operacyjnych Windows i Linux w tym pisanie plików wsadowych dla powłok obu systemów
- Dążenie do rozwoju własnych kompetencji oraz duże zaangażowanie i dbałość o szczegóły•Wysoko rozwinięte umiejętności analityczne
- Dobra znajomość narzędzi Jira i Confluence

Mile widziana znajomość:

- Zagadnień związanych z embedded finance, otwartą bankowością oraz PSD2
- Zaawansowanych programów do analizy i przetwarzania danych np.: R, SAS, w tym języków skryptowych, odpowiednio: SAS 4GL, R
- Rozwiązań analitycznych bazujących na środowisku Google Cloud Platform•Metodyk pracy zwinnej

Codzienne zadania:
- Budowanie procesów ETL z wykorzystaniem nowoczesnych technologii (elastic search, kubernetes, mikroserwisy, data streaming)
- Praca nad rozwojem infrastruktury bazodanowej
- Przygotowywanie raportów, analiz i prezentacji z obszaru produktów i usług bazujących na ekosystemach usług finansowych
- Prognozowanie i monitorowanie wskaźników dostępności i efektywności HUB API
- Budowanie i wdrażanie lejków sprzedażowych
- Analiza dużych zbiorów danych i rekomendowanie rozwiązań mających na celu optymalizacje procesów po stronie klienta końcowego
- Dbanie o jakość danych oraz rozwój narzędzi raportowo-analitycznych
- Tworzenie dokumentacji prowadzonych analiz oraz budowanych rozwiązań ETL i raportowych
- Ścisła współpraca z innymi zespołami scrumowymi przy rozwijaniu produktów Formacji

🔍 Dekoder Ogłoszenia

🔴
realizująca projekty dla Klientów prowadzących innowacyjne i nowoczesne projekty.
Może oznaczać, że projekty są faktycznie innowacyjne, ale równie dobrze mogą być to standardowe projekty w sektorze bankowym, które są po prostu tak opisywane.
🔴
Kilkuletnie doświadczenie na stanowisku Data Engineera
Określenie 'kilkuletnie' jest nieprecyzyjne i może oznaczać zarówno 2 lata, jak i 10 lat doświadczenia, co może prowadzić do rozbieżności oczekiwań.
🔴
Długofalowa współpraca
Choć brzmi pozytywnie, może oznaczać, że projekt jest długi, ale niekoniecznie gwarantuje stabilność zatrudnienia po jego zakończeniu.
🔴
mile widziany Python
Słowo 'mile widziany' sugeruje, że znajomość Pythona nie jest kluczowa, ale w praktyce może okazać się niezbędna do wykonywania codziennych zadań.
🔴
Znajomość zagadnień związanych z segmentacją i predykcją
Może to oznaczać zarówno teoretyczną wiedzę, jak i praktyczne zastosowanie tych technik w codziennej pracy, co nie jest jasno sprecyzowane.