IntegriChain

24.06.2026

Senior Data Engineer

Vereinigte Staaten

Philadelphia, Pennsylvania, United States

PythonSQLAWSTerraform

Automatische Übersetzung. Prüfe das Original.

Unternehmensbeschreibung

IntegriChain ist das Daten- und Anwendungsrückgrat für Market-Access-Abteilungen von Life-Sciences-Unternehmen. Wir liefern die Daten, die Anwendungen und die Geschäftsprozessinfrastruktur für den Patientenzugang und die Kommerzialisierung von Therapien. Mehr als 250 Hersteller verlassen sich auf unsere ICyte-Plattform, um ihre kommerziellen und staatlichen Kostenträgerverträge, Patientendienste und Vertriebskanäle zu orchestrieren. ICyte ist die erste und einzige Plattform, die die finanziellen, operativen und kommerziellen Datensätze vereint, die zur Unterstützung des Therapiezugangs im Zeitalter der Spezial- und Präzisionsmedizin erforderlich sind. Mit ICyte können Life-Sciences-Innovatoren ihre Market-Access-Abläufe digitalisieren und Ressourcen freisetzen, um sich auf eine datengestützte Entscheidungsunterstützung zu konzentrieren. Mit ICyte digitalisieren Life-Sciences-Innovatoren arbeitsintensive Prozesse – und setzen so ihre besten Talente frei, um Hindernisse bei der Abdeckung und Verfügbarkeit zu identifizieren und zu lösen sowie Preis- und Prognosekomplexität zu verwalten.

Unser Hauptsitz befindet sich in Philadelphia, PA (USA), mit weiteren Standorten in: Ambler, PA (USA); Pune, Indien; und Medellín, Kolumbien.

Weitere Informationen finden Sie unter integrichain.com oder folgen Sie uns auf Twitter unter @IntegriChain und LinkedIn.

Stellenbeschreibung

Positionsübersicht

Hauptverantwortlichkeiten

Führung im Bereich Unternehmensdaten: Unterstützung bei der Definition und Weiterentwicklung von Datenintegrations-, Datenkonsolidierungs-, MDM-Integrations- und Datenplattform-Designmustern bei Integrichain.

Praktische Snowflake-Entwicklung: Entwurf, Aufbau, Optimierung und Betrieb von Snowflake-Datenmodellen, Pipelines, gespeicherten Prozeduren und hochvolumigen Datenverarbeitungsmustern.

MDM/Reltio-Unterstützung: Zusammenarbeit mit MDM- und Produktteams zur Unterstützung der Aufnahme von HCO-Stammdaten, ausgehenden Extrakten, Querverweisdaten, Nutzung von Golden Records, Survivorship-Ausgaben und nachgelagerten Veröffentlichungsmustern.

Funktionsübergreifende Partnerschaft: Zusammenarbeit mit Produkt-, Engineering-, MDM-, Data-Science-, DevOps-, Sicherheits- und Geschäftsbeteiligten, um Datenlösungen an Unternehmensprioritäten auszurichten.

Moderne ELT-Ausführung: Nutzung von dbt oder ähnlichen ELT-Tools zur Entwicklung zuverlässiger, wartbarer, testbarer und beobachtbarer Datenpipelines.

Verantwortung für Kosten und Leistung: Vorantreiben von Snowflake-Leistungsoptimierung, Warehouse-Dimensionierung, Workload-Management, Kostenverfolgung und Kostenoptimierungspraktiken.

Datenstrategie, Konsolidierung und Integration

Zusammenarbeit mit der Data-Science-Führung zur Rationalisierung und Konsolidierung der Unternehmensdatenlandschaft über Produkte, Plattformen und erworbene Fähigkeiten hinweg.

Definition wiederverwendbarer Datenintegrationsmuster für Batch-, Micro-Batch-, Near-Real-Time- und Anwendungs-zu-Anwendungs-Datenaustausch.

Zusammenarbeit mit funktionsübergreifenden Teams zum Verständnis von geschäftlichen Datenanforderungen, Realitäten der Quellsysteme und Anforderungen an die Unternehmensanwendungsintegration.

Entwurf skalierbarer Muster für die Aufnahme, Transformation, Stammdatenverwaltung und Veröffentlichung von Daten über operative und analytische Anwendungsfälle hinweg.

Unterstützung bei der Etablierung von Standards für Datenverträge, Schemaentwicklung, Datenqualität, Herkunft und Dateneigentümerschaft.

MDM / Reltio Data Engineering Enablement

Entwurf und Aufbau von Datenpipelines, die Quelldaten in Reltio MDM laden und gemasterte Ausgaben aus Reltio für nachgelagerte Snowflake-, Analyse-, KI- und operative Anwendungsfälle extrahieren.

Zusammenarbeit mit MDM-Konfigurations- und Produktmanagement-Teams, um HCO-Mastering-Anforderungen in Datenpipeline-, Mapping-, Validierungs-, Abgleichs- und Veröffentlichungsmuster zu übersetzen.

Arbeit mit Reltio APIs, Exporten, Crosswalks/XREFs, ereignisbasierten Integrationsmustern und Bulk-Load/Extract-Mechanismen nach Bedarf zur Unterstützung eingehender und ausgehender Datenflüsse.

Entwicklung von Integrationsmustern für HCO-Stammdaten, einschließlich Partei/Entität, Adresse, Identifikator, Hierarchie, Beziehung, Match/Merge, Survivorship und Golden-Record-Ausgaben.

Unterstützung der Quellaufnahme und Referenzdatenintegration mit Datensätzen wie HIN, DEA, NPI, NCPDP, 340B/PHS, Kanal-Outlet-Daten, Kunden-/Kontodaten und anderen Stammdaten-/Referenzquellen der Life Sciences.

Entwicklung von Validierungs- und Abgleichsprozessen zum Vergleich von Quelldaten, Reltio-gemasterten Daten, Snowflake-kuratierten Daten und nachgelagerten Verbrauchsschichten.

Unterstützung bei der Operationalisierung von MDM-Ausgaben für geschäftsorientierte Datenprodukte, semantische Modelle, Berichtstabellen, APIs und KI-fähige Datensätze.

Snowflake Plattform-Engineering und Optimierung

Entwurf von Snowflake-Datenbank-, Schema-, Tabellen-, View- und semantischen Ebenenmustern, die Leistung, Governance und Wartbarkeit unterstützen.

Optimierung von Snowflake-Workloads unter Verwendung von Clustering, Micro-Partition-Awareness, Warehouse-Dimensionierung, Abfrageprofilierung, Caching-Verhalten und Workload-Isolierung.

Implementierung von Snowflake-Kostenverfolgungs- und Optimierungspraktiken, einschließlich Überwachung der Warehouse-Auslastung, Identifizierung ineffizienter Abfragen und Kostenzuordnung nach Workload, Team oder Anwendungsfall.

Aufbau skalierbarer SQL- und Snowflake-Stored-Procedure-Logik für großvolumige Datenverarbeitung und analytische Workloads.

Anwendung sicherer Snowflake-Designmuster, einschließlich RBAC, Maskierung, Zugriffsisolierung, Auditierung und Umgebungstrennung.

ETL/ELT, dbt, Python und Entwicklung von Datenpipelines

Entwurf, Aufbau und Wartung zuverlässiger ELT-Pipelines unter Verwendung von dbt oder vergleichbaren modernen Datentransformations-Tools.

Entwicklung von Python-basierter Automatisierung für API-Integration, Dateiverarbeitung, Metadatenverwaltung, Validierung, Orchestrierungsunterstützung und operative Tools.

Entwicklung modularer, getesteter und wiederverwendbarer Transformationsmodelle für rohe, kuratierte, gemasterte und geschäftsfertige Datenschichten.

Implementierung automatisierter Datenqualitätsprüfungen, Prüfungen der Quellenaktualität, Abgleich, Protokollierung und Muster für die Ausnahmebehandlung.

Aufbau von orchestrierungsfähigen Pipelines, die Abhängigkeitsmanagement, Neustartfähigkeit, inkrementelle Ladevorgänge und operative Überwachung unterstützen.

Zusammenarbeit mit DevOps/SRE-Teams bei CI/CD, Bereitstellungsautomatisierung, Umgebungsförderung und operativen Runbooks für Datenpipelines.

Datenmodellierung und Big-Data-Verarbeitung

Federführung bei logischen und physischen Datenmodellierungsbemühungen für analytische, operative, MDM- und KI-fähige Datensätze des Unternehmens.

Entwurf von Modellen, die Normalisierung, dimensionale Modellierung, Medaillon/Lakehouse-Konzepte und anwendungsspezifische Verbrauchsbedürfnisse ausbalancieren.

Erstellung denormalisierter Berichts- und semantikmodellfähiger Strukturen, die den geschäftlichen Verbrauch vereinfachen und Mehrdeutigkeiten für KI/LLM-Anwendungsfälle reduzieren.

Verarbeitung und Optimierung großer Datenvolumina in Snowflake unter Verwendung effizienter SQL-, PL/SQL-artiger prozeduraler Logik, Snowflake-Scripting und leistungsbewusstem Design.

Erstellung wiederverwendbarer Muster für historische Nachverfolgung, Snapshots, Audit-Spalten, Datenversionierung und Lebenszyklusmanagement.

Sicherstellung, dass Datenmodelle nachgelagerte BI, KI/ML, semantische Modelle, Daten-Apps, MDM Explorer/Entity 360-Anwendungsfälle und Unternehmensberichte unterstützen.

Qualifikationen

Erforderliche Fähigkeiten und Erfahrungen

10+ Jahre Erfahrung in Data Engineering, Datenbank-Engineering, Analytics Engineering oder der Entwicklung von Datenplattformen in Produktionsumgebungen.

Starke praktische Erfahrung mit Snowflake, einschließlich Architektur, Leistungsoptimierung, Sicherheitsdesign, Kostenoptimierung und Kostenverfolgung.

Fundiertes Verständnis von Snowflake-Designmustern für analytische Workloads, hochvolumige Datenverarbeitung, Datenaustausch und Multi-Umgebungs-Bereitstellungen.

Praktische Erfahrung mit ETL/ELT-Tools; dbt-Erfahrung wird stark bevorzugt.

Starke SQL- und PL/SQL-artige Entwicklungserfahrung, einschließlich komplexer Transformationen, gespeicherter Prozeduren, Leistungsoptimierung und groß angelegter Datenverarbeitung.

Python-Erfahrung für Datenautomatisierung, API-Integration, Dateihandhabung, Datenvalidierung, Metadatenverarbeitung oder operative Tools.

Erfahrung im Entwurf und der Implementierung von Unternehmensdatenmodellen, kuratierten Datenschichten, semantischen Schichten und wiederverwendbaren Datenprodukten.

Erfahrung mit Datenintegrationsmustern über Unternehmensanwendungen, APIs, Dateien, Cloud-Speicher, operative Systeme, MDM-Plattformen und analytische Plattformen hinweg.

Arbeitsverständnis von Master-Data-Management-Konzepten wie Golden Records, Crosswalks/XREFs, Match/Merge, Survivorship, Hierarchien, Entitätsbeziehungen, Stewardship und Datenqualität.

Erfahrung in der Zusammenarbeit mit MDM-, Produkt- oder Geschäftsteams, um Mastering-Anforderungen in Quell-zu-Ziel-Mappings, Transformationslogik, Validierungen und nachgelagerte Datenverbrauchsmuster zu übersetzen.

Fähigkeit, direkt mit funktionsübergreifenden Stakeholdern zusammenzuarbeiten, um Anforderungen zu sammeln, Design-Kompromisse zu erklären und die Ausrichtung voranzutreiben.

Erfahrung bei der Implementierung von Datenqualität, Herkunft, Auditierbarkeit, Beobachtbarkeit und operativer Überwachung innerhalb von Datenpipelines.

Fähigkeit, als praktischer Senior Individual Contributor zu agieren, der auch Strategie und Engineering-Standards beeinflussen kann.

Bevorzugte Erfahrung

Erfahrung mit Reltio MDM, einschließlich eingehender Datenladevorgänge, ausgehender Exporte, Reltio APIs, Crosswalks, Match/Merge-Ausgaben, Survivorship-Ausgaben und operativer Fehlerbehebung.

Erfahrung in den Bereichen Life Sciences, Gesundheitswesen, Pharma-Kommerzialisierung, HCO/HCP-Mastering, Patientendaten, Kanaldaten, Kundenstamm oder kommerzielle Datenplattformen.

Erfahrung mit Referenz- und kommerziellen Datensätzen der Life Sciences wie HIN, DEA, NPI, NCPDP, 340B/PHS, 844, 852, 867, Chargebacks, Gross-to-Net, staatliche Preisgestaltung, PBR oder UBR.

Erfahrung mit Orchestrierungs-Frameworks wie Airflow, Dagster, dbt Cloud Jobs, Cloud-nativen Schedulern oder ähnlichen Tools.

Erfahrung mit Cloud-Plattformen und Speichermustern, insbesondere Azure oder AWS Objektspeicher integriert mit Snowflake.

Erfahrung mit KI-fähiger Datenarchitektur, Feature Stores, ML-Datensätzen, semantischen Modellen oder der Ermöglichung von KI/ML-Pipelines.

Erfahrung mit Terraform, CI/CD, Git-basierter Entwicklung und Infrastructure-as-Code-Praktiken.

Snowflake SnowPro, Reltio, dbt oder gleichwertige Cloud-/Data-Engineering-Zertifizierungen.

Zusätzliche Informationen

Was hat IntegriChain zu bieten?

Missionsorientiert: Arbeiten Sie mit dem Ziel, das Leben von Patienten zu verbessern!

Hervorragende und erschwingliche medizinische Leistungen + nicht-medizinische Vergünstigungen, einschließlich flexibler bezahlter Freistellung und vielem mehr!

Umfangreiche Lern- und Entwicklungsmöglichkeiten, einschließlich über 700+ Entwicklungskursen, die allen Mitarbeitern kostenlos zur Verfügung stehen#LI-KL1

IntegriChain verpflichtet sich zu Gleichbehandlung und Chancengleichheit in allen Aspekten der Rekrutierung, Auswahl und Beschäftigung, unabhängig von Rasse, Hautfarbe, Religion, nationaler Herkunft, ethnischer Zugehörigkeit, Alter, Geschlecht, Familienstand, körperlicher oder geistiger Behinderung, Geschlechtsidentität, sexueller Orientierung, Veteranen- oder Militärstatus oder einer anderen gesetzlich geschützten Kategorie.

IntegriChain ist ein Arbeitgeber, der Chancengleichheit fördert; wir verpflichten uns, eine Gemeinschaft der Inklusion und ein Umfeld frei von Diskriminierung, Belästigung und Vergeltungsmaßnahmen zu schaffen.

Unsere Richtlinie zur Visumsponsoring für US-basierte Positionen: Bewerber für eine Beschäftigung in den USA müssen über eine gültige Arbeitserlaubnis verfügen, die derzeit und/oder in Zukunft kein Sponsoring eines Visums für eine Arbeitserlaubnis in den USA durch IntegriChain erfordert.

Geschäftsbereich (Intern): KI, Produkt & Technologie

Sprachen

Senior Data Engineer

Unternehmensbeschreibung

Stellenbeschreibung

Positionsübersicht

Hauptverantwortlichkeiten

Datenstrategie, Konsolidierung und Integration

MDM / Reltio Data Engineering Enablement

Snowflake Plattform-Engineering und Optimierung

ETL/ELT, dbt, Python und Entwicklung von Datenpipelines

Datenmodellierung und Big-Data-Verarbeitung

Qualifikationen

Erforderliche Fähigkeiten und Erfahrungen

Bevorzugte Erfahrung

Zusätzliche Informationen

Was hat IntegriChain zu bieten?

Dein nächster Jobsucht schon nach dir.

Mehr Möglichkeiten mit einem Profil

Weiter entdecken

IT Support Lead

Senior IT Operations & Security Administrator

Senior Research Scientist – Robotics AI