Senior Data Engineer
Billennium
Rola polega na budowie nowoczesnej, cloud-native platformy danych w sektorze energetycznym. Mimo tytułu Senior Data Engineer, codzienna praca skupia się na Kubernetes, operatorach, automatyzacji i infrastrukturze – to bardziej rola inżyniera platformy danych niż tradycyjnego data engineera. Będziesz rozwijać konteneryzowane serwisy danych (MongoDB, Kafka, Spark) na Kubernetes, tworzyć operatory, zarządzać klastrami i wdrażać observability.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano widełek wynagrodzenia, nie określono częstotliwości wizyt w hamburgu/berlinie.
Wbrew tytułowi Senior Data Engineer, rola koncentruje się na budowie i utrzymaniu platformy danych opartej na Kubernetes – to bardziej Platform Engineer/Data Platform Engineer. Codzienne zadania obejmują zarządzanie klastrami, tworzenie operatorów, observability, a nie tradycyjne data pipeline'y.
Rola polega na budowie nowoczesnej, cloud-native platformy danych w sektorze energetycznym. Mimo tytułu Senior Data Engineer, codzienna praca skupia się na Kubernetes, operatorach, automatyzacji i infrastrukturze – to bardziej rola inżyniera platformy danych niż tradycyjnego data engineera. Będziesz rozwijać konteneryzowane serwisy danych (MongoDB, Kafka, Spark) na Kubernetes, tworzyć operatory, zarządzać klastrami i wdrażać observability.
- ✓Praca zdalna z rzadkimi wizytami – elastyczność
- ✓Realny wpływ na architekturę platformy danych
- ✓Długoterminowy, międzynarodowy projekt (stabilność)
- ✓Nowoczesny stack: Kubernetes, GitOps, Service Mesh
- −Brak widełek wynagrodzenia w ogłoszeniu
- −Okazjonalne wizyty w Hamburgu/Berlinie – nie określono częstotliwości
- !Brak informacji o wielkości zespołu Data
- !Brak informacji o on-call lub dyżurach
- !Praca dla klienta zewnętrznego – możliwe zmiany wymagań
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Rozwijanie i testowanie konteneryzowanych serwisów danych (MongoDB, Kafka, Spark) na Kubernetes z użyciem Helm i GitOps
- •Tworzenie Kubernetes Operatorów i/lub custom controllerów do automatyzacji cyklu życia obciążeń stanowych
- •Projektowanie i utrzymanie observability dla obciążeń danych (logowanie, metryki, alerting) – implementacja stosu Prometheus, Grafana, Fluentd
- •Automatyzacja wdrożeń i operacji za pomocą CI/CD
- •Projektowanie, konfiguracja i utrzymywanie klastrów Kubernetes (produkcyjnych i nieprodukcyjnych) przy użyciu Infrastructure as Code (Terraform)
- •Zapewnianie wysokiej dostępności, skalowalności i bezpieczeństwa platformy – konfiguracja RBAC, polityk bezpieczeństwa, zarządzanie sekretami i politykami sieciowymi
- •Wdrażanie i utrzymywanie Service Mesh (mTLS, zarządzanie ruchem, egzekwowanie polityk)
Oferta dla doświadczonych specjalistów (Senior).
Osoba z 5-letnim stażem w IT, która od co najmniej 2 lat zajmuje się data engineeringiem i ma solidne podstawy Kubernetes (w tym operatory). Może nie mieć jeszcze zaawansowanej wiedzy o platform engineeringu, ale spełnia must-have.
Nie dla osób, które nie mają minimum 2 lat specyficznego doświadczenia w data engineeringu na Kubernetes. Również nie dla juniorów ani midów bez głębokiej znajomości Kubernetes i operatorów.
- ?Ile osób liczy zespół Data i jak są podzielone role?
- ?Czy okazjonalne wizyty w Hamburgu/Berlinie są płatne (delegacje)?
- ?Jaki jest harmonogram dyżurów/on-call?
- ?Czy projekt jest greenfield czy modernizacja istniejącej platformy?
- ?Jakie są widełki wynagrodzenia dla tej roli?
- ?Czy korzystamy z chmury publicznej (której?) czy tylko prywatnej?
- −Nie podano widełek wynagrodzenia
- −Nie określono częstotliwości wizyt w Hamburgu/Berlinie
- −Brak informacji o procesie rekrutacyjnym (HR, tech, decision)
- −Nie wiadomo, czy projekt używa konkretnej chmury publicznej (AWS, Azure, GCP)
- −Brak informacji o wielkości zespołu
Zespół Data buduje nową platformę, nacisk na automatyzację i skalowalność. Wzmianka o wsparciu ekspertów i kulturze dzielenia się wiedzą – atmosfera współpracy.
Rekrutacja składa się z rozmowy HR i rozmowy technicznej online, a następnie decyzji i feedbacku.