Als Data Engineer (m/w/d) Digital Business verantwortest Du die automatisierte Bereitstellung  von verschiedensten Daten zu Analysezwecken. Dazu konzipierst und realisierst Du die richtige System-, Software- und Datenbank–Architektur unter Verwendung modernster Container-, Cloud- und Schnittstellentechnologien.

• Du arbeitest eng mit Anforderern (z.B. Product Owner) bei der Analyse und Umsetzung von Anforderungen zusammen und übernimmst die Beratung auch auf Managementlevel Du erstellst Architekturen und Designs für automatisierte ETL Prozesse im Batch oder Streaming Prinzip
• Du entwirfst, realisierst und integrierst die dafür erforderliche, automatisiert testbare Software-Lösung unter Verwendung geeigneter Technologien und (Big Data) Plattformen.
• Du agierst eigenverantwortlich in einem selbstorganisierten, cross-funktionalen, agilen Team mit hohem Gestaltungsspielraum und teilst dabei gerne dein Wissen mit Teammitgliedern
• Du kooperierst mit Data Analysten und Data Scientists bei der Aufbereitung und Verwendung von Daten und der Weiterentwicklung der Datenmodelle und deren Dokumentation.
• Du leitest komplexe Teilprojekte

Du verfügst über ein Studium (Informatik) oder eine vergleichbare Berufsausbildung mit entsprechender Fachrichtung bzw. fachspezifischer Zusatzausbildung bzw. mehrjähriger Berufserfahrung im Umfeld Software Entwicklung / Data Engineering mit ausgeprägten konzeptionellen Fähigkeiten und Kenntnissen in Big Data Architekturen und Umgang mit großen Datenmengen.
Des Weiteren zeichnest Du dich durch detaillierte unternehmensspezifische Kenntnisse oder außergewöhnliche Spezialkenntnisse sowie Fähigkeiten aus:

• Mehrjährige professionelle Software / Data Engineering Erfahrung im Big Data Umfeld unter Verwendung moderner Technologien aus dem Hadoop-Ökosystem (z.B. Spark, Impala, Hive), inkl. Java, Python, Sql, git/GitLab , Bash
• Hervorragende Kenntnisse in komplexen Big Data Architekturen einschließlich dem Design und Anbindung externer Datenschnittstellen
• Praktische Erfahrung in der Realisierung von Data Pipelines, ETL-Ketten und dem Umgang mit großen Datenmengen 
• Hervorragende Kenntnisse in der logischen Datenmodellierung sowie im Metadaten-Management (z.B. Erstellung und Pflege Data Dictionary, Schnittstellenspezifikation)
• Praktische Kenntnisse von Werkzeugen und Technologien wie z.B. Oozie , Airflow, Elasticsearch, Docker, Kubernetes und anderen Cloud Technologien (z.B. GCP) sind wünschenswert
• Sehr gute Erfahrungen in klassischen und agilen Kooperationsformen