Senior Data Engineer
⚲ Warszawa
23 000–29 400 zł / mies. (zal. od umowy)
Wymagania
- min. 5 lat doświadczenia w data engineering, data warehousing lub BI
- doświadczenie z Power BI, w tym modelowanie danych, DAX i budowa raportów/dashboardów
- doświadczenie w budowie i utrzymaniu pipeline'ów ETL/ELT oraz integracji, w tym z systemami legacy
- praktyczne doświadczenie z narzędziami AI-assisted wspomagającymi delivery data engineering
- zaawansowany SQL oraz znajomość modelowania danych (modelowanie wymiarowe, schematy gwiazdy)
- doświadczenie z platformami chmurowymi (Azure, AWS lub GCP) i usługami data-native
- biegły angielski
Mile widziane
- doświadczenie z Azure Synapse Analytics (nice to have)
Opis stanowiska
Rola w YOUR ITEAMS: projektowanie, budowa i utrzymanie pipeline'ów danych, integracji i narzędzi analitycznych (Snowflake, Power BI, Azure Synapse) w organizacji o zróżnicowanym krajobrazie danych. Uwaga: 'own data pipelines' oraz akcent na maintenance istniejących integracji i systemów legacy sugerują, że spora część pracy to utrzymanie i naprawa starych rozwiązań, a nie tylko nowe projekty — warto to uwzględnić przy ocenie. Dodatkowo oczekiwane jest praktyczne korzystanie z narzędzi AI-assisted (np. GitHub Copilot, Claude) w codziennej pracy.
🔍 Dekoder Ogłoszenia
🔴
Practical experience using AI-assisted tooling to improve data engineering delivery.
Może oznaczać zarówno wykorzystanie zaawansowanych narzędzi AI, jak i prostych funkcji wspomagających pisanie kodu.
🔴
Experience building and maintaining ETL/ELT pipelines and integrations, including work with legacy systems.
Praca z 'legacy systems' może oznaczać utrzymanie starych, trudnych w modyfikacji i słabo udokumentowanych systemów.
🔴
The person in this role will own data pipelines, integrations and analytics tooling — including Snowflake and Power BI.
Określenie 'own' może sugerować pełną odpowiedzialność, w tym za rozwiązywanie problemów i utrzymanie systemów poza standardowymi godzinami pracy.
🔴
The role will combine maintenance of existing integrations with forward-looking adoption of AI-assisted tooling to accelerate delivery and improve data quality.
Duży nacisk na 'maintenance' może oznaczać, że większość czasu będzie poświęcona na utrzymanie istniejących rozwiązań, a nie na innowacyjne projekty.