Senior Data Engineer
⚲ Warszawa, Wrocław, Kraków, Gdańsk, Poznań
28 560 - 36 960 PLN netto (B2B)
Wymagania
- min. 7 lat doświadczenia w Data Engineering, ETL oraz Data Warehouse development i modeling
- bardzo dobra znajomość SQL, w tym transformacja i walidacja danych, reconciliation, troubleshooting, optymalizacja zapytań
- doświadczenie w dimensional data modeling: Star Schema, Snowflake Schema, Fact and Dimension Modeling, Slowly Changing Dimensions
- praktyczne doświadczenie z Pythonem w data engineering lub automatyzacji workflow
- doświadczenie z dbt
- doświadczenie z AWS: S3, Glue, Lambda, Redshift
- doświadczenie z Apache Airflow, w tym tworzenie DAG-ów i orkiestracja workflow
- doświadczenie w budowie i utrzymaniu produkcyjnych pipeline'ów ETL/ELT oraz znajomość data quality, error handling i production support
Opis stanowiska
Praca w GS Services przy projekcie R&D klienta: rozwój i utrzymanie pipeline'ów danych, analiza plików źródłowych i wymagań, modelowanie danych (Star/Snowflake Schema), transformacje w dbt, ingestion i publish na AWS (S3, Glue, Lambda, Redshift) oraz wsparcie architektury Medallion. Uwaga: ogłoszenie opisuje projekt jako R&D — może to oznaczać pracę bardziej eksperymentalną i mniej stabilną niż projekty produktowe, z większym udziałem manualnej analizy danych źródłowych. Dobra oferta dla doświadczonego inżyniera, który lubi samodzielną pracę analityczno-inżynierską i nie przeszkadza mu niepewność kierunku projektu.
🔍 Dekoder Ogłoszenia
🔴
projekt z obszaru R&D
Może oznaczać pracę nad eksperymentalnymi, niepewnymi projektami z potencjalnie niskim priorytetem lub brakiem jasnego kierunku.
🔴
Rozwój i utrzymanie pipeline’ów danych R&D
Praca może być bardziej badawcza i eksperymentalna, z mniejszym naciskiem na stabilność i skalowalność w porównaniu do projektów produktowych.
🔴
Analiza plików źródłowych, wymagań biznes
Może oznaczać dużą ilość pracy manualnej przy zrozumieniu i przygotowaniu danych, zamiast pracy nad zaawansowanymi technologiami.
🟡
praktycznym doświadczeniem z AWS
Wymaga się faktycznego wykorzystania usług AWS, a nie tylko teoretycznej wiedzy, co może oznaczać konieczność szybkiego uczenia się.
🟡
utrzymanie produkcyjnych pipeline’ów ETL/ELT
Oznacza odpowiedzialność za działanie kluczowych procesów danych, co może wiązać się z presją czasu i koniecznością szybkiego reagowania na problemy.