Datenanalyst

• Practice Data

• Location Warszawa, - None Specified -

Ihre wichtigsten Aufgaben

• Datenextraktion und -standardisierung: Sie leiten Initiativen zur Extraktion und Standardisierung von Finanzdaten aus verschiedenen Formaten, einschließlich PDF, HTML, XBRL und iXBRL, und stellen dabei die Genauigkeit und Konsistenz der Daten sicher.
• Mentoring und Entwicklung: Geben Sie Junior-Analysten Anleitung und Unterstützung und fördern Sie ihre Entwicklung in den Bereichen Datenanalyse, Programmierung und statistische Methoden.
• Explorative Datenanalyse: Führen Sie explorative Datenanalysen durch, um Trends zu erkennen, wichtige Fragen zu stellen und verwertbare Erkenntnisse zu gewinnen.
• Entwicklung von Datenmodellen: Entwerfen, implementieren und optimieren Sie konzeptionelle, logische und physische Datenmodelle für Datenprodukte im Unternehmensmaßstab. Entwickeln und pflegen Sie Datenmodelle mithilfe von ERD-Diagrammen und verwalten Sie die Datenwörterbücher für Transaktions-, Stern- und flache Schemata usw. für verschiedene Speicherstrukturen.
• Demokratisierung des Datenmodells: Arbeiten Sie mit Data Engineering-Teams zusammen, um das Datenmodell zu demokratisieren und effiziente Datenpipelines zu entwerfen.
• Datenmodellierungsstandards: Definieren Sie Datenmodellierungsstandards und Best Practices und setzen Sie diese durch. Führen Sie Datenanalysen durch, um die Einhaltung der Modellierungsstandards und die Modellgenauigkeit zu überprüfen, Anomalien zu erkennen und die Datenqualität sicherzustellen.
• Datenklassifizierung und Taxonomien: Entwerfen Sie benutzerdefinierte Taxonomien und Referenzdaten-Klassifizierungsmethoden/-Strukturen.
• Programmierung und Automatisierung: Verwenden Sie Programmiersprachen wie Python, Spark, Regex, Shell Scripts und SQL für die Datenmanipulation, Analyse und Automatisierung von Prozessen, einschließlich Meta-Programmierung und dynamischer Codegenerierung.
• Datenbank-Management: Verwalten und Optimieren von Datenbanken (SQL Server, Neo4j, Snowflake, Postgres), Verstehen von Join-Typen, Aggregatfunktionen und Datenspeicherformaten (Parquet, AVRO, Delta).
• Kollaboration: Arbeiten Sie mit Produktmanagern, Dateningenieuren und Analysten zusammen, um Geschäftsanforderungen in robuste Datenstrukturen umzusetzen. Arbeiten Sie eng mit funktionsübergreifenden Teams zusammen, um Probleme mit der Datenqualität anzugehen und wirksame Lösungen zu implementieren und eine Kultur der kontinuierlichen Verbesserung zu fördern.

Fähigkeiten und Eigenschaften für den Erfolg

• Sehr gute Kenntnisse in der Datenmodellierung: Erfahrung in der Entwicklung von Datenmodellen von Grund auf für Greenfield-Projekte in verschiedenen Bereichen. Sie sollten ein tiefes Verständnis von Data Warehousing-Konzepten, dimensionaler Modellierung und Normalisierungs-/Denormalisierungstechniken haben. Erfahrung mit Tools wie Erwin Data Modeler, PowerDesigner oder ähnlichen.
• Kenntnisse über Datenprodukte: Ausgeprägtes Verständnis der Designprinzipien und des Lebenszyklus von Datenprodukten.
• Gute SQL-Kenntnisse und Erfahrung mit relationalen (z.B. Oracle, SQL Server, PostgreSQL) und Cloud-Datenbanken (z.B. Snowflake, BigQuery, Redshift).

• Gute Kenntnisse der Azure Cloud-Datendienste (Data Lake, Data Factory, Azure SQL).

• Problemlösungsfähigkeit: Geschickt im Umgang mit komplexen Problemen und im Finden effektiver Lösungen.
• Neugier und Eigeninitiative: Sie sind immer bereit, zu lernen und die Initiative zu ergreifen, ohne ständig auf Anleitung angewiesen zu sein.
• Sie können mit Mehrdeutigkeit umgehen: Sie sind in der Lage, auch dann effizient zu arbeiten, wenn die Antworten nicht sofort klar sind.
• Effektive Kommunikation: Hervorragend in der Lage, komplexe Ideen zu vermitteln und mit Interessengruppen zusammenzuarbeiten.
• Erfahrung mit Datenbanken und Datenformaten: Vertraut mit verschiedenen Datenbanken, Betriebssystemen, Dateitypen und Datenformaten.
• Erfahrung mit verschiedenen Datenfunktionen (Analyse, Modellierung, Wissenschaft, etc.).

Bevorzugte Qualifikationen:

• Fortgeschrittene Datenmodellierungstechniken: Erfahrung mit fortgeschrittener Modellierung.
• Kompetenz in der Geschäftsanalyse: Die Fähigkeit, die Kluft zwischen technischen und geschäftlichen Anforderungen zu überbrücken.
• Erfahrung in der Programmierung: Kenntnisse in Python, Spark und SQL.
• Projektmanagement: Fähigkeiten im Management von Projekten, Zeitplänen und Ergebnissen.
• Tools zur Datenvisualisierung: Kenntnisse im Umgang mit Tools wie Tableau, Power BI oder ähnlichen.

Qualifikationen:

• Bachelor-Abschluss in Informatik, Informationstechnologie oder gleichwertig

• 5+ Jahre Erfahrung in der Datenverwaltung

• share
• 
• 
• 
•