Senior Analytics Engineer - kontrakt
⚲ Wrocław, Toruń, Radom, Gdynia, Olsztyn, Łódź, Sopot, Warszawa, Lublin
20 160 - 25 200 PLN netto (B2B)
Wymagania
- minimum 5 lat pracy jako Data/Analytics Engineer, w tym własność projektu budowy hurtowni albo jej kluczowej warstwy modelowej
- BigQuery na poziomie zaawansowanym, ze świadomym zarządzaniem kosztem i wydajnością zapytań
- transformacje jako kod w dataform lub dbt: wersjonowanie, testy, dokumentacja, CI
- doświadczenie w ujednolicaniu definicji KPI w organizacji, w której ten sam wskaźnik liczy się na kilka sposobów
- przygotowanie modeli, metadanych i definicji do bezpiecznej, powtarzalnej pracy z narzędziami AI
- dostępność w godzinach pracy zespołu (8-9 do 16-17)
Mile widziane
- znajomość Looker / Data Studio
Opis stanowiska
Dołączysz do EduGo jako Senior Analytics Engineer odpowiedzialny za budowę uporządkowanej warstwy danych dla organizacji, która dziś opiera kluczowe analizy na niespójnych modelach i ręcznych arkuszach. Twoja praca skupi się na warstwie transformacji: modelu wymiarowym, wspólnych definicjach KPI, czasie dostarczenia analiz i ich powtarzalności, a także na przygotowaniu danych pod pracę z AI. To oferta dla doświadczonego inżyniera analitycznego, który lubi pracować na styku technologii i biznesu oraz porządkować chaos danych. Uwaga: to rola wymagająca dużej aktywności w komunikacji z biznesem — budowa priorytetów i definicji metryk będzie wymagała bliskiej współpracy ze stroną nietechniczną, a projekt jest w trakcie migracji narzędzi.
🔍 Dekoder Ogłoszenia
🔴
Budowa uporządkowanej warstwy danych dla organizacji, która dziś opiera kluczowe analizy na niespójnych modelach, ręcznych arkuszach i wiedzy rozproszonej między osobami.
Obecny stan danych jest chaotyczny i wymaga gruntownego uporządkowania, co może oznaczać dużą ilość pracy manualnej i rozwiązywania problemów.
🔴
Największą luką nie jest samo ładowanie danych czy wizualizacje, lecz warstwa transformacji: model wymiarowy, wspólne definicje KPI, czas dostarczenia analiz i ich powtarzalność.
Kluczowe wyzwanie leży w logice biznesowej i transformacji danych, a nie w prostych zadaniach ETL czy tworzeniu dashboardów.
🔴
Dyskusje biznesowe zbyt często dotyczą poprawności liczb zamiast decyzji.
Obecnie brakuje zaufania do danych, co generuje potrzebę ciągłego sprawdzania ich poprawności, zamiast skupiania się na strategicznych decyzjach.
🔴
Praca z biznesem przy ustalaniu definicji i potrzeb - to nie jest rola wyłącznie techniczna; budowa priorytetów i zrozumienie finalnej wersji mart będzie wymagało bliskiej współpracy ze stroną biznesową
Oczekiwana jest duża aktywność w komunikacji z osobami nietechnicznymi, co może oznaczać konieczność tłumaczenia złożonych zagadnień i zarządzania oczekiwaniami.
🔴
W trakcie migracji na dlt + Dagster + dbt.
Projekt jest w fazie przejściowej, co może oznaczać nieustabilność narzędzi i potencjalne problemy związane z migracją.