Senior Data Engineer - Azure / Databricks / dbt
ASTRAL FOREST PROSTA SPÓŁKA AKCYJNA
⚲ Warszawa, Wola
140–190 zł netto (+ VAT) / godz.
Wymagania
- Spark
- Delta Lake
- Azure Data Factory
- Microsoft Fabric
- Microsoft Power BI
Opis stanowiska
Nasze wymagania:
Min. 5 lat doświadczenia w data engineeringu, w tym min. 3 lata na Azure.
Databricks na produkcji - Spark, Delta Lake, optymalizacja pipeline'ów, nie tylko uruchamianie notebooków.
dbt jako codzienne narzędzie: modele, testy, dokumentacja, lineage - piszesz to samodzielnie, bez instrukcji.
Azure Data Factory w produkcyjnych pipeline'ach ELT/ETL.
Python na poziomie komfortowej pracy z danymi (transformacje, integracje, skrypty).
End-to-end doświadczenie projektowe: modelowanie DWH, integracja różnorodnych źródeł, warstwa raportowa.
Samodzielność w kontakcie z klientem - zbieranie wymagań, challengowanie założeń, prowadzenie statusów.
Angielski min. B2/C1 - komfortowa rozmowa z anglojęzycznym klientem, pisemna i ustna.
Mile widziane:
Microsoft Fabric - praca z Lakehouse, OneLake, Data Pipelines.
Power BI po stronie modelowania semantycznego (measures, relacje, performance) - nie front-end.
Znajomość wzorców modelowania: Kimball, Data Vault lub Medallion Architecture.
Doświadczenie w projektach migracyjnych (np. on-prem → Azure, Hadoop → Databricks).
Certyfikaty Azure (DP-203, AZ-900 lub wyższe).
Zakres obowiązków:
Projektowanie i wdrażanie architektury danych end-to-end: od integracji źródeł, przez modelowanie DWH, po warstwę analityczną.
Budowanie i utrzymywanie pipeline'ów ELT/ETL w Azure Data Factory i Databricks - z uwzględnieniem optymalizacji kosztowej i wydajnościowej.
Modelowanie danych w dbt: pisanie modeli, testów i dokumentacji, dbanie o lineage i spójność warstw.
Praca z Delta Lake na produkcji - zarządzanie tabelami, time travel, optymalizacja pod zapytania.
Prowadzenie rozmów z klientem: zbieranie wymagań, tłumaczenie decyzji technicznych na język biznesowy, statusowanie postępu projektu.
Identyfikowanie i adresowanie technicznego długu w istniejących rozwiązaniach klientów.
Współpraca z wewnętrznym zespołem AF przy review kodu, standardach i wiedzy.
Oferujemy:
140-170 zł/h netto B2B dla doświadczonego inżyniera z udokumentowaną praktyką; do 190 zł/h dla profilu wyjątkowo dopasowanego do naszych wymagań.
Praca w pełni zdalna - możesz pracować skądkolwiek w UE.
Elastyczny grafik w ramach zobowiązań projektowych.
Opieka medyczna LuxMed.
Karta Multisport .
Ubezpieczenie na życie Warta.
1 000 PLN rocznie na rozwój -kursy, certyfikaty, książki, sprzęt ergonomiczny.
Bonus referralowy 3 500 PLN za polecenie kandydata, który dołączy do zespołu.
Min. 5 lat doświadczenia w data engineeringu, w tym min. 3 lata na Azure.
Databricks na produkcji - Spark, Delta Lake, optymalizacja pipeline'ów, nie tylko uruchamianie notebooków.
dbt jako codzienne narzędzie: modele, testy, dokumentacja, lineage - piszesz to samodzielnie, bez instrukcji.
Azure Data Factory w produkcyjnych pipeline'ach ELT/ETL.
Python na poziomie komfortowej pracy z danymi (transformacje, integracje, skrypty).
End-to-end doświadczenie projektowe: modelowanie DWH, integracja różnorodnych źródeł, warstwa raportowa.
Samodzielność w kontakcie z klientem - zbieranie wymagań, challengowanie założeń, prowadzenie statusów.
Angielski min. B2/C1 - komfortowa rozmowa z anglojęzycznym klientem, pisemna i ustna.
Mile widziane:
Microsoft Fabric - praca z Lakehouse, OneLake, Data Pipelines.
Power BI po stronie modelowania semantycznego (measures, relacje, performance) - nie front-end.
Znajomość wzorców modelowania: Kimball, Data Vault lub Medallion Architecture.
Doświadczenie w projektach migracyjnych (np. on-prem → Azure, Hadoop → Databricks).
Certyfikaty Azure (DP-203, AZ-900 lub wyższe).
Zakres obowiązków:
Projektowanie i wdrażanie architektury danych end-to-end: od integracji źródeł, przez modelowanie DWH, po warstwę analityczną.
Budowanie i utrzymywanie pipeline'ów ELT/ETL w Azure Data Factory i Databricks - z uwzględnieniem optymalizacji kosztowej i wydajnościowej.
Modelowanie danych w dbt: pisanie modeli, testów i dokumentacji, dbanie o lineage i spójność warstw.
Praca z Delta Lake na produkcji - zarządzanie tabelami, time travel, optymalizacja pod zapytania.
Prowadzenie rozmów z klientem: zbieranie wymagań, tłumaczenie decyzji technicznych na język biznesowy, statusowanie postępu projektu.
Identyfikowanie i adresowanie technicznego długu w istniejących rozwiązaniach klientów.
Współpraca z wewnętrznym zespołem AF przy review kodu, standardach i wiedzy.
Oferujemy:
140-170 zł/h netto B2B dla doświadczonego inżyniera z udokumentowaną praktyką; do 190 zł/h dla profilu wyjątkowo dopasowanego do naszych wymagań.
Praca w pełni zdalna - możesz pracować skądkolwiek w UE.
Elastyczny grafik w ramach zobowiązań projektowych.
Opieka medyczna LuxMed.
Karta Multisport .
Ubezpieczenie na życie Warta.
1 000 PLN rocznie na rozwój -kursy, certyfikaty, książki, sprzęt ergonomiczny.
Bonus referralowy 3 500 PLN za polecenie kandydata, który dołączy do zespołu.
🔍 Dekoder Ogłoszenia
🔴
dbt jako codzienne narzędzie: modele, testy, dokumentacja, lineage - piszesz to samodzielnie, bez instrukcji.
Oczekuje się, że kandydat będzie w pełni samodzielny w tworzeniu i zarządzaniu modelami dbt, bez potrzeby szczegółowego nadzoru czy wskazówek.
🔴
Samodzielność w kontakcie z klientem - zbieranie wymagań, challengowanie założeń, prowadzenie statusów.
Kandydat będzie odpowiedzialny za bezpośrednią komunikację z klientem, w tym za aktywne kwestionowanie jego potrzeb i prowadzenie spotkań.
🟡
Databricks na produkcji - Spark, Delta Lake, optymalizacja pipeline'ów, nie tylko uruchamianie notebooków.
Poszukiwany jest ktoś, kto potrafi optymalizować i zarządzać złożonymi procesami w Databricks, a nie tylko wykonywać gotowe skrypty.
🟡
Python na poziomie komfortowej pracy z danymi (transformacje, integracje, skrypty).
Oczekiwana jest biegłość w Pythonie pozwalająca na samodzielne rozwiązywanie problemów związanych z przetwarzaniem i integracją danych.
🟡
Power BI po stronie modelowania semantycznego (measures, relacje, performance) - nie front-end.
Skupienie jest na technicznej stronie budowania modeli danych w Power BI, a nie na tworzeniu wizualizacji czy interfejsu użytkownika.