A
Senior Data Practitioner (Data / Analytics Engineering) – BCN/ MAD/ MUC
Ailylabs · 📍 Madrid - Hybrid · 🕒 08.07.2026
📊 Senior
A
Senior / Mid – Data Scientist – NYC
Auf einen Blick
Aily Labs sucht einen Senior/Mid-Level Data Scientist für das Domains Department. Du wirst End-to-End Data Pipelines entwerfen und implementieren sowie Business-kritische Decision-Making-Systeme bauen.
💰 ~$70.000–110.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🌍 Hybrid
🗺️ Americas
- 2-4 Jahre Data Science Erfahrung
- Data Pipeline Design
- Modern Data Tools
- Python und SQL
Machine Learning
Data Pipelines
Analytics
Gehalt geschätzt anhand Mid-Level Data Scientist in New York mit 2-4 Jahren Erfahrung. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Data Scientists mit Pipeline-Design-Erfahrung
- Personen mit Business Context-Verständnis
- Mid-Career Professionals in Data
🚫 Weniger geeignet
- Junior Data Professionals ohne 2+ Jahre Erfahrung
- Personen ohne Data Pipeline-Erfahrung
- Personen ohne SQL/Python-Kenntnisse
💡 Gut zu wissen
- Starker Fokus auf Production-Ready Data Systems
- Multi-Domain Anforderungen (Finance, Manufacturing, R&D, Cross-Functional)
- Hybrid-Modell mit New York Standort
Über das Unternehmen
Aily Labs ist ein B2B SaaS Unternehmen, das eine KI-gestützte Decision Intelligence App für Unternehmen entwickelt. Die mobile-first Plattform kombiniert Unternehmensdaten mit fortgeschrittenen Machine Learning, großen Sprachmodellen und agentic AI.
Deine Aufgaben
- Entwerfe und implementiere End-to-End Data Pipelines (Ingestion → Transformation → Quality → Delivery)
- Baue und pflege Data Infrastructure Komponenten (Streaming Pipelines, Transformationen, APIs, Kataloge)
- Implementiere robuste Data Quality Frameworks, Monitoring und Alerting Systeme
- Arbeite mit Multiple Use Cases und wachsender Autonomie an Data Herausforderungen
- Führe Production-Grade ML Systems an Enterprise Scale durch
Deine Voraussetzungen
- 2-4 Jahre Erfahrung (für Mid Level) als Data Scientist
- Starke Fähigkeiten in Data Pipeline Design und Implementierung
- Erfahrung mit modernen Data Tools und Infrastructure
- Python Kenntnisse und Data Warehouse Experience
- Verständnis von Machine Learning und Business Context
Benefits
- Hybrid-Working Model in New York
- Competitive Compensation
- International Team
- Learning Culture