remotefruitFilter
Remote-RegionAlle
ErfahrungAlle
VeröffentlichungAlle
Staff-Engineer für Analytics Engineering
Die Rolle gestaltet die technische Weiterentwicklung des Data Warehouse und dessen Modellierung, Leistung und Datenbereitstellung. Das Team verarbeitet täglich Hunderte Millionen Ereignisse aus Transaktionsdatenbanken, API-Protokollen, CRM-, Zahlungs- und Marketingplattformen zu Datensätzen für Partnerabrechnung, regulatorische Berichte, Management-KPIs, partnerorientierte Produkte und eine wachsende Zahl von KI-Agenten. Die Zusammenarbeit umfasst das Data-Platform-Team für Infrastruktur und Datenaufnahme, Data Scientists und fachliche Nutzer der Modelle sowie die Unternehmensleitung bei der Priorisierung. Neben eigenen Modellen gehören unternehmensweite Standards, teamübergreifende Abstimmung und die fachliche Weiterentwicklung anderer Engineers zum Verantwortungsbereich.
SQL
SQL · erforderlichSQL wird auf Expertenniveau vorausgesetzt, gemeinsam mit dbt und ergänzend Python für Transformationen jenseits von SQL.
+5
- dbt · erforderlich
dbt wird auf Expertenniveau vorausgesetzt, gemeinsam mit SQL und ergänzend Python für Transformationen jenseits von SQL.
- Python · erforderlich
Python ist für Transformationen jenseits von SQL erforderlich; zusätzlich werden SQL und dbt auf Expertenniveau vorausgesetzt.
- Abfrageoptimierung · erforderlich
Gefordert ist tiefe Expertise zur Abfrageleistung verteilter Engines wie Trino, Presto oder Spark, einschließlich Abfrageplänen, Partitionierung und Dateilayout auf Apache Iceberg sowie inkrementeller Materialisierung.
- Datenverträge · erforderlich
Erforderlich sind Erfahrung mit der Definition von Datenverträgen und Aktualitäts-SLAs mit vorgelagerten Datenproduzenten sowie Verständnis der Abwägungen zwischen CDC und Batch-Datenaufnahme.
- Warehouse-Neugestaltung · erforderlich
Vorausgesetzt wird die Leitung einer unternehmensweiten Warehouse-Migration oder -Neugestaltung, etwa einer Mart-Neustrukturierung, Einführung einer semantischen Schicht oder Überarbeitung von Tests und CI.
- dbt · erforderlich
- Gehalt
- Kein Gehalt angegeben
- Umfang
- Nicht angegeben
- Erfahrung
- Staff
Deine Aufgaben
- Die Rolle legt die technische Warehouse-Ausrichtung über mehrere Quartale fest: Schichten mit Staging, Zwischenmodellen und Marts, Domänengrenzen sowie Materialisierungs- und Inkrementalstrategien. Standards sollen mehr als 1.000 dbt-Modelle bei zehnfachem Wachstum schnell, testbar und kosteneffizient halten.
- Sie entscheidet, welche Modelle über Ad-hoc-OLAP-Abfragen im Lakehouse, eine Echtzeit-Analyseengine für latenzarme interne und partnerorientierte Nutzung oder als kontrollierte Kennzahlen in einer semantischen Schicht bereitgestellt werden.
- Sie vereinbart mit den Verantwortlichen der Datenquellen Schemata, Aktualitäts-SLAs und Änderungsbenachrichtigungen und wählt je Quelle bedarfsgerecht zwischen CDC und Batch-Verarbeitung.
- Sie gewährleistet centgenaue Finanzdaten durch Tests, Datenabgleiche und Write-Audit-Publish-Verfahren, damit unbemerkte Fehler nicht veröffentlicht werden.
- Sie definiert unternehmensweite Standards für Modellierung, Tests und CI/CD, begleitet Engineers fachlich und erzielt teamübergreifende Abstimmung, sodass Verbesserungen auch in der Arbeit anderer wirksam werden.
- Sie priorisiert Arbeiten mit messbarer Wirkung für Finanzen, operative Bereiche und Partner und beugt Skalierungs-, Qualitäts- und Kostenproblemen vor.
Das solltest du mitbringen
Erforderlich7 Punkte
- Erforderlich sind mindestens 7 Jahre im Analytics Engineering oder Data Engineering mit Schwerpunkt Transformation und Warehouse-Architektur sowie Führung auf Staff-Niveau durch technische Richtungsgebung und Weiterentwicklung von Teams.
- Eine unternehmensweite Warehouse-Migration oder -Neugestaltung muss bereits geleitet worden sein, beispielsweise eine Mart-Neustrukturierung, die Einführung einer semantischen Schicht oder eine Überarbeitung von Tests und CI.
- Gefordert ist tiefgehende Expertise zur Abfrageleistung verteilter Engines wie Trino, Presto oder Spark. Dazu gehören das Lesen von Abfrageplänen, Partitionierung und Dateilayout auf Apache Iceberg sowie inkrementelle Materialisierung.
- Erforderlich ist ein fundiertes Urteil darüber, wann Datensätze in eine Lakehouse-Abfrageengine, eine Echtzeit-OLAP-Engine wie ClickHouse oder eine semantische Schicht gehören.
- SQL und dbt werden auf Expertenniveau vorausgesetzt; zusätzlich ist Python für Transformationen jenseits von SQL erforderlich.
- Erforderlich sind Erfahrung in der Definition von Datenverträgen und Aktualitäts-SLAs mit vorgelagerten Datenproduzenten sowie Verständnis der Abwägungen zwischen CDC und Batch-Datenaufnahme.
- Erwartet werden ein sicherer Umgang mit Unklarheit und die Fähigkeit, ein vages, folgenreiches Problem mit minimaler Aufsicht von 0 auf 1 zu entwickeln.
Von Vorteil4 Punkte
- Wünschenswert ist Produktionserfahrung in der Datenmodellierung für ClickHouse oder eine andere Echtzeit-OLAP-Engine.
- Wünschenswert sind Kenntnisse in KI und agentischer Analytik, insbesondere darin, Daten für LLMs und Agenten nutzbar zu machen und Evaluationen aufzubauen.
- Wünschenswert ist Vertrautheit mit Airflow, Airbyte und CDC-Werkzeugen wie Debezium oder Redpanda.
- Wünschenswert ist Domänenerfahrung im Brokerage oder an Finanzmärkten.
So ist Remote hier geregelt
- Remote
Das Team arbeitet zu 100 Prozent verteilt und remote.
Belegte Arbeits-/Kandidatenstandorte: EMEA.
Das wird angeboten
- Das Angebot umfasst ein wettbewerbsfähiges Gehalt und Aktienoptionen.
- Es werden Gesundheitsleistungen angeboten.
- Neue Mitarbeitende erhalten einmalig 500 US-Dollar für die Einrichtung ihres Homeoffice.
- Ein monatlicher Zuschuss von 150 US-Dollar wird über eine Brex Card bereitgestellt.
Passt die Stelle? Öffne mit Premium den Bewerbungsweg.
Bewerbungslink freischaltenVeröffentlicht: 24.09.2026 · Quelle geprüft: 03.11.2026.
Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.