Rola Senior/Lead Data Engineera w środowisku data & AI, skupiona na budowie skalowalnych, cloud-native platform danych. Na co dzień: projektowanie i rozwój platform, budowa ETL/ELT (dbt, Airflow), optymalizacja SQL, wdrażanie DataOps i CI/CD, współpraca z Data Science i AI. Osoba będzie odpowiadać za architekturę i mentoring. Stos: Snowflake, Databricks, PySpark, AWS/GCP, Terraform.

Brakuje: nie podano wielkości zespołu, brak opisu procesu rekrutacyjnego.

🛠 Wymagane (Must Have)

Dane źródłowe

SQL AWS GCP dbt Python PySpark Snowflake Data modeling

⭐ Mile widziane (Nice to Have)

Dane źródłowe

AIVault

AI Insights

Czym naprawdę jest ta rola?Data Engineer

Plusy

✓Pełna zdalność i elastyczny model pracy
✓Wysoka autonomia techniczna i architektoniczna
✓Nowoczesny stack: Snowflake, Databricks, dbt, Airflow, Terraform
✓Rola z mentoringiem i przywództwem technicznym
✓Długoterminowy projekt z silną kulturą inżynieryjną

Na co uważać

!Firma ma 10-49 pracowników – mniejsze środowisko, potencjalnie mniejsza stabilność
!Brak informacji o wielkości zespołu i liczbie projektów
!Nie podano procesu rekrutacyjnego – nie wiadomo ile etapów

?Tytuł wskazuje na rolę managerską, ale poziom doświadczenia nie został oznaczony jako Lead/Manager — warto zweryfikować u źródła

Codzienna praca

•Projektowanie i rozwój skalowalnych, cloud-native platform danych
•Budowa i utrzymanie pipeline'ów ETL/ELT z użyciem dbt i Airflow
•Optymalizacja wydajności SQL i przetwarzania dużych zbiorów danych
•Wdrażanie praktyk DataOps, CI/CD i Infrastructure-as-Code (Terraform)
•Implementacja frameworków jakości danych, monitoringu i obserwowalności
•Współpraca z zespołami Data Science, AI i Product
•Mentoring młodszych inżynierów i zapewnianie przywództwa technicznego
•Praca z Snowflake i/lub Databricks oraz PySpark

Więcej o ofercie

Dla kogo jest ta oferta

Profil idealny

Oferta dla doświadczonych specjalistów (Senior).

Minimum sensowne

Senior Data Engineer z co najmniej 5 latami doświadczenia, który zna podstawy chmury (AWS/GCP) i Terraform, ale może nie mieć jeszcze głębokiej wiedzy o Data Vault lub streamingowych architekturach.

Raczej nie dla

Osoby z mniej niż 5 latami doświadczenia jako Data Engineer, szczególnie juniorzy i midowie bez solidnej znajomości Snowflake/Databricks i PySpark. Nie dla osób szukających pracy stacjonarnej lub hybrydowej (pełny zdalny).

Ocena dopasowania

Junior1/5

Mid2/5

Senior5/5

Hands-on5/5

Architekt4/5

Remote5/5

Enterprise3/5

Pytania do rekrutera

?Ile osób liczy zespół data engineering i jakie są role w zespole?
?Jaki jest konkretny projekt – czy to budowa nowej platformy, czy rozwój istniejącej?
?Czy są przewidziane dyżury on-call? Jak wygląda obsługa incydentów?
?Jakie są oczekiwania dotyczące znajomości Data Vault – czy to wymóg na start, czy do nauczenia?
?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
?Czy praca jest w pełni zdalna, czy są okazjonalne spotkania w Lublinie?
?Jaki jest budżet szkoleniowy i możliwości rozwoju?