Auf einen Blick
Epignosis sucht einen erfahrenen Data Engineer zur Implementierung des Data Transformation Projektes mit Fokus auf ETL-Pipeline-Design, Datenbank-Optimierung und Multi-Source-Datenintegration.
💰 ~€50.000–70.000/Jahr (geschätzt)
📊 Mid-Level
🕒 Vollzeit
🗺️ EMEA
- 3+ Jahre Data Engineering Erfahrung
- Python und Apache Spark Proficiency
- SQL und Datenbank-Management
- AWS Cloud Services (S3, Glue, Lambda)
python
apache spark
data modeling
Gehalt geschätzt anhand Mid-level data engineer in EU market with cloud and pipeline expertise. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Data Engineers mit 3+ Jahren Erfahrung und Python/SQL Tiefe
- Cloud-fokussierte Engineers mit AWS Erfahrung
- Kandidaten mit ETL und Data Warehouse Erfahrung
🚫 Weniger geeignet
- Junior Engineers ohne Produktions-Experience
- Software Engineers ohne Daten-Spezialisierung
- Kandidaten ohne SQL oder NoSQL Erfahrung
💡 Gut zu wissen
- Data Transformation ist ein Kern-Initiative - Impact ist unmittelbar sichtbar
- Stock Options sind für alle verfügbar - Long-term Upside möglich
- Die Role hat Zusammenarbeit mit AI-Team, nicht nur Daten-Infrastruktur
Über das Unternehmen
Epignosis ist eine schnell wachsende SaaS-Firma, die mit über 12.000 Unternehmen und 11+ Millionen Learner arbeitet. Das Unternehmen führt ein Data Transformation Projekt durch und sucht erfahrene Data Engineers.
Deine Aufgaben
- ETL/ELT-Pipelines für effiziente Datenverarbeitung und Integration aus vielen Quellen designen und entwickeln
- Datenbankperformance überwachen und optimieren, Tuning-Maßnahmen implementieren
- Mit Entwicklern zusammenarbeiten zum Query-Optimization und Datenbank-Schema-Design
- Datenmodellierung für relationale und nicht-relationale Datenbanken umsetzen (Aurora, DynamoDB etc.)
- Datenqualität und Konsistenz durch Validierung und Cleaning sicherstellen
- Mit AI-Team zusammenarbeiten für datengetriebene Initiativen
Deine Voraussetzungen
- 3+ Jahre Erfahrung in Data Engineering oder ähnlichen Rollen
- Proficiency in Python und Apache Spark für Large-Scale Data Processing
- SQL und Hands-on Datenbank-Management-Systeme Erfahrung
- Cloud-Technologien, besonders AWS (S3, Glue, Lambda)
- Starkes Verständnis von Datenbanken, Data Lakes und Data Warehousing
- Erfahrung mit NoSQL-Datenbanken (MongoDB, DynamoDB)
Benefits
- Wettbewerbsfähige Gehälter und Bonusstrukturen
- Stock Options für alle Team-Mitglieder
- Umfangreiche Schulungs- und Entwicklungsprogramme
- Familienunterstützung und Private Health Coverage
