Auf einen Blick
Führe Data-Engineering-Teams bei Integrant und entwerfe Lakehouse-Architekturen mit Databricks und Azure. Du brauchst 10+ Jahre Data Engineering mit 4+ Jahren Databricks Erfahrung.
💰 ~$92.000–125.000/Jahr (geschätzt)
📊 Lead
🕒 Vollzeit
🌍 Vor Ort
🗺️ EMEA
- 10+ Jahre Data Engineering
- 4+ Jahre Databricks
- PySpark Expertise
- Delta Lake
Databricks
PySpark
Delta Lake
SQL
Azure Data Factory
Data Warehousing
Gehalt geschätzt anhand Lead Data Engineer Databricks Onsite Maadi. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Senior Databricks Spezialisten mit Team-Leadership
- Data Engineers mit Lakehouse-Erfahrung
- Cloud-Daten-Architekten mit Azure-Fokus
🚫 Weniger geeignet
- Anfänger oder Mid-Level Data Engineers
- Profis ohne Databricks-Erfahrung
💡 Gut zu wissen
- Onsite Position in Maadi - nicht remote
- Databricks 4+ Jahre ist nicht optional
- Lakehouse ist modernes Paradigma - tiefe Expertise erforderlich
Über das Unternehmen
Integrant bietet fortschrittliche Lösungen für US-Unternehmen in hochregulierten Industrien mit Schwerpunkt auf Daten-Engineering und Machine Learning Infrastruktur.
Deine Aufgaben
- Führung des Designs, Entwicklung und Optimierung skalierbarer Data-Engineering-Lösungen mit Azure und Databricks
- Design moderner Lakehouse-Architekturen nach Best Practices
- Aufbau großskaliger Batch- und Streaming-Datenpipelines
- Entwicklung von ETL/ELT-Pipelines mit Databricks, PySpark und Azure Data Factory
- Design und Optimierung von Delta Lake Lösungen
- Zusammenarbeit mit Clients zur Anforderungsgathering
- Optimierung von Spark-Workloads für Performance und Kosteneffizienz
- Mentoring von Junior Data Engineers
Deine Voraussetzungen
- 10+ Jahre professionelle Data Engineering Erfahrung
- 4+ Jahre Hands-On Databricks Erfahrung
- Starke Erfahrung mit PySpark und Apache Spark Datenpipelines
- Erfahrung mit Delta Lake und Medallion Architecture
- Starke SQL und Python Kenntnisse
- Erfahrung mit Azure Data Factory und ADLS Gen2
- Erfahrung mit Azure Synapse Analytics
- Data Warehousing und Dimensional Modeling Vertrautheit
