IT - Data Engineer u.a. AWS, PowerBi, Quicksight, Tableau, CI/CD, ETL, Python, etc. (w/m/d)

Projektbeschreibung Der Dienstleister Erbringt Folgende Leistungen Beratung bei der Weiterentwicklung des cloudnativen Backends, dazu gehören die Konzeptionierung, Umsetzung und Dokumentation von neuen FeaturesErstellung von Datenvisualisierungen und -berichten Automatisierung von DatenprozessenAnalyse und Beurteilung von Daten und Entwicklung von Daten Pipelines basierend auf der bestehenden Architektur und dem aktuellen Zonen-Konzept (raw-trusted - refined)Data Exploration von neuen Datenquellen sowie Implementierung von geeigneten DatenstrukturenFachliche Unterstützung im SCRUM Team, Teilnahme an Refinements, Plannings, Reviews, RetrosErstellung von Daten-Pipelines auf Basis von Python, Apache Spark, PySpark, Pandas, SQL, Boto3 API, SNS, SQS und RESTZur Pipeline Erstellung notwendige Implementierung, Konfiguration und Nutzung der serverless AWS-managed Infrastruktur, speziell Glue, Apache Airflow, Batch, S3, Athena und Glue Data Quality Skills Muss-Anforderungen Grundlegende Kenntnisse und Methoden im Bereich der Data Exploration, Analyse und Modellierung sowie in der Qualitätssicherung von Daten (Data Stewardship) - Erfahrungslevel in Jahren - ab 3 JahreGute Kenntnisse und Erfahrung mit der für die geforderte Pipeline-Entwicklung erforderlichen AWS Cloud Technologien und deren Managed Services - Erfahrungslevel in Jahren - ab 3 JahreProjekterfahrung (min. 1 Projekt) bei der Dashboard Entwicklung mit z.B. PowerBi, QuickSight oder Tableau - Erfahrungslevel in Jahren - ab 3 JahreProjekterfahrung in der Softwareentwicklung (z.B. GIT, Continuous Integration/Continuous Deployment (CICD) - Erfahrungslevel in Jahren - ab 3 JahreSehr gute, mehrjährige Praxiserfahrung in der Entwicklung und Automatisierung von ETL Strecken und der Datenmodellierung mittels der für die geforderte Pipeline Entwicklung erforderlichen Tools und Programmiersprachen (SQL. Python,...) - Erfahrungslevel in Jahren - ab 5 Jahre Soll-Anforderungen Architekturverständnis der Zielplattform oder vergleichbaren (serverless) Cloud-Datenplattformen aus Projekterfahrung Erfahrung im Bereich Data Science und der Anwendung bestehender Prognose-/Klassifikations-/Clusteringalgorithmen - Anzahl Referenzen - 1Kenntnisse agiler & skalierter Arbeitsmethode - Anzahl Referenzen - 1Praktische Erfahrung mit Docker Containern - Erfahrungslevel in Jahren - ab 3 JahreProjekterfahrung im Umgang mit typischen Projekten und Daten in der Branche Transport & Logistik, insbesondere im Umgang mit unterschiedlichen Datenformaten, Qualitätseinschränkungen und Verarbeitungsprozessen auf vorgelagerten Data - Erfahrungslevel in Jahren - ab 2 JahrePraktische Projekterfahrung mit AWS Sagemaker - Anzahl Referenzen - 1