Corning
Fresh Consulting
Data Engineer
Über die Stelle
Fresh Consulting sucht einen
Senior Data Engineer (Individual Contributor), der die Konzeption und Implementierung von Cloud-nativen Datenplattformen für internationale Kunden in den USA technisch leitet.
Der erfolgreiche Kandidat wird nicht nur bestehende Datenflüsse pflegen, sondern auch ein modernes Data Warehouse von Grund auf neu konzipieren, aufbauen und implementieren, um die Grundlage für zukünftige KI/LLM-Integrationen und automatisierte Workflows zu schaffen.
Standort: Remote (Mexiko — Bevorzugt: Monterrey, Mexiko-Stadt, Guadalajara)
Erforderliche Kenntnisse
Sprachanforderung: Fließendes berufsbezogenes Englisch (Mindestens GER C1)
Reisebereitschaft: Bereitschaft zur vierteljährlichen Reise in die USA (ca. 1 Woche pro Reise)
- Microsoft Fabric (sehr bevorzugt) ODER portable Stacks (BigQuery, Snowflake, Databricks).
- 4 bis 7 Jahre nachweisbare Erfahrung im Aufbau von Cloud Data Warehouses von Ende zu Ende (reale Projekte von Null bis zur Produktion), nicht nur in der Wartung bestehender Systeme.
- Cloud-Infrastruktur: Azure Daten-Stack (Data Factory, Synapse, Fabric) oder Äquivalent auf AWS/GCP.
- Kernsprachen: Fortgeschrittene SQL (dimensionale Modellierung, Leistungsoptimierung) und Python (Transformation, Orchestrierung, Skripting).
- BI-Tools: Power BI oder Äquivalent (Looker, Tableau, Mode).
- Orchestrierung und Transformation: Azure Data Factory, Airflow, dbt, Dagster oder ähnliche Tools.
- Direkte Interaktion mit Stakeholdern: Erfahrung in der direkten Zusammenarbeit mit Führungskräften in den USA.
- Gültiges US-Visum (Mindestens B1/B2): Bestätigte Verfügbarkeit für vierteljährliche Reisen in die USA.
Hauptverantwortlichkeiten
- Design und Aufbau: Konzeption, Aufbau und Betrieb moderner, End-to-End Cloud-nativer Data Warehouses.
- Pipeline-Entwicklung: Entwicklung und Pflege robuster ELT/ETL-Pipelines, die verschiedene interne Systeme (Service, Origination, CRM) und Datenfeeds von Drittanbietern integrieren.
- Datenmodellierung: Erstellung skalierbarer Datenmodelle für Reporting, BI (semantische Schicht) und zukünftige KI/ML-Initiativen.
- Governance und Sicherheit: Implementierung von Datenqualitäts-, Governance- und Sicherheitspraktiken im Einklang mit strengen US-Finanzvorschriften.
- Zusammenarbeit mit Führungskräften: Enge Zusammenarbeit mit C-Level-Stakeholdern und Direktoren in den USA, um Geschäftsanforderungen in technische Datenarchitekturen zu übersetzen.
- Optimierung: Optimierung der Leistung von Abfragen, Pipelines und Workflows zur Gewährleistung von Effizienz und Kostenkontrolle.
