Data Engineer
Engineering
Bewerbung starten
Zurück zu den offenen Stellen

Data Engineer

Engineering Vietnam (Remote/Hybrid) Vollzeit / Vertragsbasis

Stellenübersicht

Sie bauen und verantworten die Dateninfrastruktur, auf die Analytics- und ML-Teams angewiesen sind. Auf Middle-Level bauen und erweitern Sie ETL/ELT-Pipelines innerhalb einer bestehenden Warehouse-Architektur. Auf Senior-Level entwerfen Sie zusätzlich das Datenmodell des Warehouses von Grund auf, legen Standards für Datenqualität und Governance fest und sind die Person, an die sich andere Ingenieure um 2 Uhr nachts wenden, wenn eine Pipeline ausfällt.

Wichtigste Aufgaben

  • Skalierbare ETL/ELT-Pipelines mit Python, Apache Spark und Airflow entwerfen und bauen.
  • Cloud-Data-Warehouses (Snowflake, BigQuery oder Redshift) verwalten und hinsichtlich Abfrageleistung und Kosten optimieren.
  • Datenmodellierung (Star-/Snowflake-Schema) umsetzen, die auch dann trägt, wenn das Unternehmen neue Datenquellen anbindet.
  • Lakehouse- und Streaming-Pipelines (Databricks, Delta Lake oder Iceberg, Kafka oder Flink, Change Data Capture) bauen, wo Batch-ETL nicht ausreicht.
  • dbt für getestete, versionierte Transformationen einsetzen und Data Contracts mit den Teams vereinbaren, die die Daten erzeugen und nutzen.
  • Datenqualität, Integrität und Governance verantworten – eine defekte Pipeline bemerken, bevor es ein Stakeholder tut, nicht danach – mit Prüfungen auf Aktualität, Volumen und Schema, die Alarm schlagen.
  • KI-taugliche Daten bereitstellen: saubere, dokumentierte, zugriffsgeschützte Datensätze für ML- und LLM-Einsatz.
  • Mit Data Scientists und Analysten zusammenarbeiten, um saubere, gut dokumentierte Datensätze für ML-Modelle und Dashboards bereitzustellen.
  • (Senior) Schema des Warehouses und Pipeline-Architektur durchgängig verantworten und den Qualitätsmaßstab für Daten im Team setzen.

Qualifikationen

  • Englisch: fließend mit guter mündlicher und schriftlicher Kommunikation – Pipelines und Data Contracts so dokumentieren, dass internationale Stakeholder nie raten müssen.
  • 3+ Jahre (Middle) bis 5+ Jahre (Senior) Erfahrung im Data Engineering.
  • Sehr gute Kenntnisse in Python und fortgeschrittenem SQL, einschließlich Abfrageoptimierung.
  • Erfahrung mit Big-Data-Tools (Spark, Kafka) und Orchestrierung (Airflow/Prefect).
  • Vertrautheit mit mindestens einer Cloud-Datenplattform (AWS Glue oder EMR, Azure Data Factory oder Microsoft Fabric, oder Databricks).
  • Verständnis von CI/CD und Testpraktiken für Datenpipelines, nicht nur für Anwendungscode.
  • KI-gestütztes Engineering als tägliche Praxis: Sie nutzen KI-Coding-Assistenten für Pipeline-Code und setzen KI-gestützte Anomalieerkennung ein, um Datenqualitätsprobleme schneller zu finden.
  • Sie testen KI-generiertes SQL und Pipeline-Code mit echten Daten, bevor er ausgeliefert wird, und halten sensible Daten aus nicht freigegebenen KI-Tools heraus.
  • Sie bereiten Daten für KI vor: Embedding- und Vektorindex-Pipelines, Lineage, PII-Maskierung und Zugriffskontrolle darauf, was Retrieval lesen darf.
  • Von Vorteil: eine Daten-Zertifizierung wie Google Professional Data Engineer, Azure DP-700, Databricks Data Engineer oder SnowPro Core.
  • (Senior) Nachweis, ein Data Warehouse oder eine Pipeline-Architektur von Grund auf entworfen und Governance-Standards für ein Team festgelegt zu haben.

Über GTEMAS

GTEMAS ist ein globaler Engineering-Partner, getragen von einem integrierten Ökosystem – es verbindet Spitzentalente, kontinuierliches Lernen und konsequentes Delivery-Management, um stabile, skalierbare digitale Produkte von Weltklasse zu bauen.

Bereit, etwas zu bewegen?

Gehen Sie mit GTEMAS den nächsten Schritt in Ihrer Karriere. Klicken Sie unten, um Ihre Bewerbung zu starten.

Bewerbung starten