Must have

• Azure

• English

• Polish

Requirements description

Original text.  Show translation

• Minimum 3 lata doświadczenia w inżynierii danych w modelu konsultingowym.
• Doświadczenie z Azure ADF, SQL Database, Microsoft Fabric, Databricks, Synapse.
• Znajomość technik modelowania danych i architektury hurtowni danych.
• Umiejętność tworzenia, oceny i optymalizacji potoków danych.
• Silne umiejętności komunikacyjne i współpracy z zespołami technicznymi i nietechnicznymi.
• Proaktywne podejście i poczucie odpowiedzialności w pracy z klientem.
• Biegła znajomość języka angielskiego i polskiego.

Certyfikaty (przynajmniej jeden z poniższych):

• Microsoft Certified: Azure Data Engineer Associate
• Implementing a Data Warehouse
• Analyzing and Visualizing Data with Power BI
• Snowflake: SnowPro Core Certification
• Microsoft Certified: Fabric Analytics Engineer Associate
• Databricks: Data Engineer Associate/Professional

Mile widziane:

• Doświadczenie w Power BI

Offer description

Original text.  Show translation

Dla jednego z naszych klientów szukamy Data Engineer 'a

Miejsce pracy: Zdalnie

Forma zatrudnienia: B2B do 150 zł net + VAT

Twoja rola:

Jako Data Engineer będziesz odpowiedzialny za projektowanie i wdrażanie platform danych opartych na Azure, w tym hurtowni danych (DWH), potoków ETL oraz frameworków przetwarzania danych. Będziesz współpracować z architektami, analitykami i interesariuszami, aby tworzyć rozwiązania zgodne z celami biznesowymi i strategią IT. W miarę zdobywania doświadczenia rola będzie obejmować projektowanie zaawansowanej architektury danych i prowadzenie złożonych projektów.

Your responsibilities

Original text.  Show translation

1. Projektowanie i rozwój potoków ETL dla złożonych transformacji danych.
2. Tworzenie i optymalizacja modeli danych (zarówno znormalizowanych, jak i wielowymiarowych) wspierających potrzeby analityczne.
3. Budowa rozwiązań opartych na Azure, w tym Databricks, Synapse Analytics i Microsoft Fabric.
4. Współpraca przy projektowaniu architektury danych zgodnej z strategiami IT.
5. Wsparcie analityków w tworzeniu i udoskonalaniu modeli danych do raportowania.
6. Zapewnienie jakości danych i optymalizacja wydajności platform danych.