Building scalable data pipelines and optimizing architectures for analytics and AI. Python and SQL expertise for data integration and transformation required. Participation in sales success, exclusive investment opportunities.
Entwicklung skalierbarer ETL/ELT-Datenpipelines mit Spark, PySpark und Python für diverse Kundenprojekte. Mehrjährige Berufserfahrung mit SQL, Spark/PySpark und Python erforderlich. Homeoffice-Option mit flexiblen Arbeitszeiten.
Konzeption und Umsetzung von Datenplattformen und Pipelines für Banken und Fondsgesellschaften. Mindestens drei Jahre Data Engineering Erfahrung mit ETL-Frameworks und Hyperscaler-Kenntnissen erforderlich. Cofinpro-e-Car oder e-Roller, Kinderbetreuungszuschuss, Sabbatical-Optionen.
Entwicklung moderner Datenplattformen und Datenpipelines für Analytics und KI-Anwendungen in Kundenprojekten. Praxiserfahrung im Data Engineering mit SQL und Python/Scala/Java erforderlich. Gestaltungsspielraum und fachliche Weiterentwicklung.
Konzeption und Implementierung von Data Lakes, Data Warehouses, ELT-Prozessen und MLOps in der Cloud für Kunden. Mehrjährige Data Engineering Erfahrung mit Cloud-Plattformen und MLOps Know-how erforderlich. Hoher Gestaltungsspielraum bei der Entwicklung von Datenarchitekturen.
Entwicklung und Optimierung von Datenpipelines für Batch- und Echtzeitverarbeitung auf Azure Cloud mit Databricks. Mindestens 3 Jahre Erfahrung mit Databricks, Spark, Kafka und Python/Scala erforderlich. High-End-Tools und flexible Arbeitszeiten.
Entwicklung skalierbarer ETL-/ELT-Prozesse und Datenpipelines auf Databricks in Azure für Lakehouse-Architekturen. Mehrjährige Projekterfahrung im Aufbau von Datenplattformen erforderlich. Technologieübergreifende Weiterentwicklung, flexible Arbeitszeiten.
Entwicklung von Datentransformationsprozessen und Data Lake-Architekturen in Data Engineering und Cloud-Technologien. Informationstechnische Ausbildung und Berufserfahrung im Aufgabenbereich erforderlich. Mitarbeiterbeteiligungsprogramm, hybrides Arbeiten.
Nejo bewertet ihn, und bringt ihn danach gemeinsam mit dir in Bestform.
Designing and maintaining scalable, cloud-based data landscapes with Snowflake, Azure Data Factory, DBT, and Azure Data Lake. Strong SQL and Python expertise required. Hybrid work, flexible hours, and parent-child offices.
Konzeption und Aufbau von Datenpipelines, Data Warehouses und Schnittstellen für diverse Datenquellen. Mehrjährige Erfahrung im Data Engineering mit großen Datenmengen erforderlich. Gestaltungsspielraum bei der Entwicklung von Datenstrukturen.
Designing batch and streaming data architectures on AWS, Azure, or GCP for DAX leaders. Production-grade Python development and cloud hyperscaler experience required. Flexible working hours and locations.
Konzeption und Aufbau von Big Data/Analytics-Plattformen mit Fokus auf Cluster-Architekturen. Mindestens 4 Jahre Berufserfahrung als Data Engineer oder Software Engineer erforderlich. Workation und hybrides Arbeitsmodell.
Aufbau von Dateninfrastrukturen und Machine Learning Modellen für Medienunternehmen. Studium oder Promotion in quantitativer Fachrichtung und Cloud-Erfahrung erforderlich. Deutschlandticket, Dienstfahrrad und Wellpass-Nutzung.
Konzeption und Betrieb von Datenplattformen in AWS, Azure, GCP; Automatisierung mit Terraform bei IT-Consulting mit maßgeschneiderten Lösungen. Fundierte Datenmodellierungserfahrung und sehr gute SQL-Kenntnisse erforderlich. Arbeit an maßgeschneiderten Lösungen für diverse digitale Herausforderungen.
Aufbau skalierbarer Datenpipelines mit Microsoft Fabric und Databricks für Kunden aus dem Banken- und Verlagswesen. Mindestens 3 Jahre Praxiserfahrung im Cloud-Umfeld (Azure/GCP) erforderlich. Übernahme sämtlicher Zertifizierungskosten für Microsoft und Google Cloud.
Konzeption und Implementierung von Data Lakes, Data Warehouses und MLOps in der Cloud für Kunden einer IT-Beratungsfirma. Mehrjährige Erfahrung mit Datenplattformen und Cloud-Technologien (AWS, Azure, GCP) wird vorausgesetzt. Arbeit mit AWS, Azure und Google Cloud.
Entwicklung und Orchestrierung von ETL/ELT-Datenpipelines für Batch- und Streaming-Verarbeitung mit MS SQL Server Tools. Mehrjährige praktische Erfahrung im Data Engineering und DWH-Lösungen erforderlich. Hybrides Arbeiten mit flexiblen Arbeitszeiten.
Konzeption und Aufbau von Big Data/AI-Plattformen, Implementierung von DevOps-Workflows und Daten-Pipelines auf Cloud-Architekturen bei einem Data Science & KI-Anbieter im DACH-Raum. 5 Jahre praktische Anwendung von Python, Scala, SQL, GIT sowie 4 Jahre Erfahrung mit Spark und Kafka erforderlich. Vertrauensarbeitszeit.
Entwicklung von End-to-End-Datenprodukten und modernen Datenpipelines mit Cloud-Technologien (GCP) für Handelskonzern. Erfahrung mit SQL, Python, Spark und Terraform erforderlich. Urlaubsgeld und Weihnachtsgeld.
Aufbau von Datenautobahnen zwischen ERP- und CRM-Systemen für Fachhändler im Bereich Trockenbau und Dämmstoffe. Sehr gute MSSQL-Kenntnisse und ETL-Beherrschung erforderlich. Bis zu 5 Freizeitausgleichstage.
Entwicklung und Betrieb skalierbarer Big-Data-Pipelines in Cloud-Umgebungen für EY, ein globales Netzwerk mit 400.000 Mitarbeitenden. Erfahrung mit Datenmodellierung und verteilten Systemen erforderlich. Flexibles und inklusives Arbeitsumfeld.
Aufbau und Betrieb einer skalierbaren AWS-Datenplattform mit DWH/Lakehouse-Architektur. Mindestens 2 Jahre Erfahrung im Data Warehouse/BI-Umfeld erforderlich. 30 Tage Urlaub, Ticket Plus® Gutscheinkarte.
Entwicklung und Optimierung von Datenpipelines für individuelle Software bei einem Spezialisten für Finanzdienstleister. Fließende Deutschkenntnisse (C1) und abgeschlossenes Informatikstudium erforderlich. Flexible Arbeitszeiten.
Entwicklung und Betrieb moderner Cloud-Datenpipelines für die Automobil- und Energiewirtschaft. Gute Kenntnisse in SQL und Python sind erforderlich. Flexible Arbeitszeiten und Möglichkeit zum Homeoffice.
Bei einem Entwickler digitaler Produkte: Entwurf von Data Vault, Hub-and-Spoke, Lambda/Kappa Architekturen. Überwachung von Cloud-Migrationen für Data-Analytics-Lösungen. Mehrjährige Hands-on-Erfahrung mit Python, relationalen Datenbanken, Apache Spark und SQL erforderlich. 30 Tage Urlaub, Workation-Optionen.
Entwurf skalierbarer Lakehouse-Architekturen und Entwicklung von Datenplattformen auf Databricks. Mehrjährige Erfahrung mit Databricks-Bausteinen und Cloud-Umgebungen erforderlich. 40 Tage Urlaub und Austausch mit Data & Analytics Consultants.
Aufbau von Datenpipelines von IoT bis AI-Anwendung, Integration in Dashboards, Entwicklung von REST-APIs bis Kafka Schnittstellen. Erfahrung mit Kafka, Airflow, dbt sowie Python/Rust & SQL-Kenntnisse erforderlich. Flexible Arbeitszeiten.
Dateninfrastruktur für KI-Assistenten und Datenanalyseplattformen entwerfen und betreiben. Praktische Python- und SQL-Kenntnisse mit ETL-Tools wie Airflow erforderlich. Einzigartige Projekte in der digitalen Souveränität Deutschlands.
Aufbau von Cloud-Datenplattformen für Kunden im AI & Data Consulting. Mindestens 3 Jahre Erfahrung mit Azure, AWS, GCP, Databricks oder Snowflake erforderlich. Mobile Working und Sabbaticals möglich.
Building data pipelines for component adoption in the electronics industry using Databricks and PySpark. Hands-on ETL and Snowplow event tracking experience required. Hybrid work, Christmas week holiday, and free lunches.