Senior Analytics Consultant
emagine
To rola seniornego konsultanta danych w sektorze logistyki (dostawy e-commerce). Główny cel to poprawa zarządzania danymi i narzędzi analitycznych, z naciskiem na data governance, modelowanie (Kimball) i duże potoki danych. Konsultant będzie wdrażany u klienta, współpracując z kierownictwem i wprowadzając nowe procesy. Choć tytuł sugeruje rolę analityczną, wymagania techniczne (Python, Spark, Azure, dbt, Databricks) i skala danych (terabajty) wskazują na silne nachylenie inżynieryjne.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu ani struktury raportowania., brak informacji o budżecie szkoleniowym lub certyfikacjach..
Tytuł 'Analytics Consultant' sugeruje rolę analityka biznesowego, ale realnie to stanowisko Data Engineera z elementami governance'u i doradztwa – wymaga głębokiej wiedzy technicznej (Python, Spark, Azure, Databricks) i pracy z dużymi wolumenami danych, a nie tylko analizy.
To rola seniornego konsultanta danych w sektorze logistyki (dostawy e-commerce). Główny cel to poprawa zarządzania danymi i narzędzi analitycznych, z naciskiem na data governance, modelowanie (Kimball) i duże potoki danych. Konsultant będzie wdrażany u klienta, współpracując z kierownictwem i wprowadzając nowe procesy. Choć tytuł sugeruje rolę analityczną, wymagania techniczne (Python, Spark, Azure, dbt, Databricks) i skala danych (terabajty) wskazują na silne nachylenie inżynieryjne.
- ✓Nowoczesny stos technologiczny: Azure, Databricks, dbt, Spark.
- ✓Możliwość wpływania na procesy i narzędzia w logistycznej firmie – autonomia techniczna.
- −Stawka ~170 PLN/h to poniżej rynkowej dla seniora w outsourcingu (zwykle 200+), co może oznaczać niższy budżet projektu.
- −Klient to firma logistyczna – może być duża biurokracja lub legacy systemy danych.
- !Brak opisu procesu rekrutacyjnego – nie wiadomo, czy są testy, zadanie domowe, ilość rund.
- !Nie podano wielkości zespołu, z którym konsultant będzie pracował.
- !Wymienione narzędzia (Unity Catalog) to raczej rzeczy dodatkowe, ale stack jest nowoczesny.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Opracowywanie i dokumentowanie procesów Data Governance dla logistycznej firmy kurierskiej
- •Testowanie i proponowanie nowych narzędzi do zarządzania danymi
- •Budowanie raportów wewnętrznych do monitorowania procesów danych (np. jakość, dostępność)
- •Tworzenie i optymalizacja potoków danych o skali terabajtów w Azure/Databricks/Spark
- •Modelowanie danych metodą Kimball w hurtowni danych
- •Współpraca z liderami biznesowymi w celu identyfikacji nowych zastosowań danych
- •Doradztwo w zakresie rozwoju wewnętrznych narzędzi data analytics
- •Monitorowanie trendów danych i rekomendowanie nowych przypadków użycia
Oferta dla doświadczonych specjalistów (Senior).
Data Engineer z co najmniej 3-4 latami praktyki w przetwarzaniu danych na dużą skalę, w tym z Python i Spark, oraz podstawową znajomością data governance. Osoba może być zatrudniona jako mid-senior, ale musi mieć doświadczenie w pracy z menedżerami.
Juniorzy bez doświadczenia w pipeline'ach terabajtowych, osoby niechętne do kontaktu z klientem i pracy nad governance, deweloperzy szukający czystego backendu bez danych.
- ?Ile osób liczy zespół danych u klienta i jakie są role pozostałych członków?
- ?Czy praca odbywa się w określonych godzinach, czy jest elastyczna?
- ?Czy wymagana jest znajomość logistyki lub specyfika branży dostaw e-commerce?
- ?Jak wygląda proces decyzyjny w zakresie wyboru narzędzi – czy ja będę rekomendować, czy klient ma już ustalone?
- ?Czy są przewidziane dyżury lub wsparcie produkcyjne dla pipeline'ów?
- ?Kto jest klientem końcowym (nazwa firmy) – czy to znana marka logistyczna?
- −Nie podano wielkości zespołu ani struktury raportowania.
- −Brak informacji o budżecie szkoleniowym lub certyfikacjach.
- −Nie wiadomo, jak wygląda onboarding i dostęp do danych klienta.
- −Nie określono, czy rola wymaga podróży (spotkania z klientem) – mimo że zdalna, mogą być wyjątki.
- −Brak opisu procesu rekrutacyjnego (etapy, czas, formy weryfikacji).
Praca w zespole danych u klienta z sektora logistyki e-commerce. Kultura prawdopodobnie oparta na współpracy z biznesem i samodzielności, ale przez agencję może być mniejsza integracja. Duży nacisk na autonomię i inicjatywę.