GCP Analytics Engineer (Semantic Layer)
IN4GE
Rola koncentruje się na budowaniu warstwy semantycznej (semantic layer) dla danych biznesowych klienta. Będziesz projektować modele danych w dbt i Looker, zarządzać jakością danych poprzez data contracts, oraz przygotowywać struktury pod AI-ready analytics. Praca jest w pełni zdalna, na kontrakcie B2B, poprzez agencję rekrutacyjną IN4GE. Stack to głównie dbt, BigQuery, SQL, Dagster/Airflow, Git i Looker.
Brakuje: nie podano nazwy klienta ani dokładnego kontekstu biznesowego, brak informacji o wielkości zespołu i struktury raportowania.
Rola koncentruje się na budowaniu warstwy semantycznej (semantic layer) dla danych biznesowych klienta. Będziesz projektować modele danych w dbt i Looker, zarządzać jakością danych poprzez data contracts, oraz przygotowywać struktury pod AI-ready analytics. Praca jest w pełni zdalna, na kontrakcie B2B, poprzez agencję rekrutacyjną IN4GE. Stack to głównie dbt, BigQuery, SQL, Dagster/Airflow, Git i Looker.
- ✓W pełni zdalny projekt z elastycznymi godzinami
- ✓Przejrzysty proces rekrutacyjny (3 etapy: telefoniczna, rozmowa, techniczna)
- ✓Możliwość rozwoju i mentoringu od liderów technologicznych
- ✓Ciekawy projekt stawiający na najnowsze trendy (Semantic Layer, AI-ready analytics)
- −Praca przez agencję rekrutacyjną – nieznany bezpośredni pracodawca (klient IN4GE)
- −Brak informacji o stałości projektu – czy to długoterminowa współpraca?
- !Nie podano wielkości zespołu ani struktury raportowania
- !Poziom 'regular' może być nieprecyzyjny – oferta oczekuje samodzielności
- !Brak wzmianki o ewentualnym on-call lub dyżurach
- •Projektowanie i implementacja warstwy semantycznej (semantic layer) przy użyciu dbt i LookML/Looker
- •Modelowanie danych w BigQuery – tworzenie wydajnych, czystych modeli analitycznych
- •Wdrażanie standardów data governance, w tym data contracts i kontrola jakości danych
- •Orkiestracja i automatyzacja potoków transformacji danych w Dagster lub Airflow
- •Optymalizacja zapytań SQL pod kątem wydajności i kosztów
- •Współpraca z biznesem w celu odwzorowania wymagań na struktury danych
- •Przygotowywanie danych pod integrację z systemami AI (AI-ready analytics)
- •Kontrola wersji modeli danych w Git i zarządzanie zmianami
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Mid-level data engineer lub analytics engineer z około 2-3 latami doświadczenia, który ma praktykę z dbt, SQL i jednym z narzędzi orkiestracyjnych. Potrafi samodzielnie modelować dane i rozumie koncepcję semantic layer.
Juniorzy bez udokumentowanego doświadczenia w dbt i BigQuery. Osoby szukające pracy etatowej (UoP) – oferta zakłada B2B. Kandydaci preferujący pracę w biurze (choć Warszawa podana, model jest w pełni zdalny).
- ?Kim jest klient końcowy (nazwa firmy, branża)?
- ?Ile osób liczy zespół po stronie klienta, z którym będę współpracować?
- ?Jaki jest przewidywany czas trwania projektu i czy jest możliwość przedłużenia?
- ?Czy istnieje możliwość spotkań zespołu (online) lub wyjazdów integracyjnych?
- ?Jak wygląda proces wdrożenia i onboarding do projektu?
- ?Czy są jakieś dyżury lub oczekiwania co do dostępności po godzinach?
- −Nie podano nazwy klienta ani dokładnego kontekstu biznesowego
- −Brak informacji o wielkości zespołu i struktury raportowania
- −Nie określono, czy projekt jest nowy (greenfield) czy rozwijany
- −Brak informacji o oczekiwanej liczbie godzin tygodniowo (full-time domyślnie?)
Zespół stawia na wymianę wiedzy, mentoring i wsparcie merytoryczne. Praca zdalna z elastycznymi godzinami. Kultura oparta na partnerskich relacjach (z opisu agencji).
Proces składa się z trzech etapów: 1) wstępna weryfikacja telefoniczna, 2) rozmowa rekrutacyjna, 3) rozmowa techniczna. Opisany jako transparentny.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię BigQuery. Pełne statystyki zarobków →