Senior Data Engineer - Piattaforma di analisi dei dati 80-100% (f/m/d)

Compiti

• Sviluppo e manutenzione di pipeline di dati end-to-end con Python o Scala, al fine di garantire un flusso di dati senza intoppi e integrare dati provenienti da diverse fonti
• Garanzia della completezza e della scalabilità dei dati, gestione dei processi di caricamento dei dati e della qualità dei dati
• Diagnosi delle cause e individuazione di soluzioni per gli errori, ottimizzazione delle pipeline ETL/ELT
• Assistenza e guida agli sviluppatori junior in merito alle best practice nel campo del data engineering

Requisiti

• Laurea triennale o magistrale con specializzazione in informatica, analisi dei dati, sistemi informativi o in un settore tecnico affine, oppure formazione equivalente ed esperienza professionale
• Oltre 5 anni di esperienza in ETL/ELT, data warehousing, business intelligence e integrazione di strumenti di elaborazione dati e di gestione dei flussi di lavoro nella progettazione delle pipeline
• Oltre 5 anni di esperienza nello sviluppo e nella manutenzione di sistemi informativi end-to-end con Python, Scala o linguaggi di programmazione simili
• Solida esperienza nell'uso di SQL per l'analisi dei dati, l'individuazione di problemi relativi ai dati e la progettazione di soluzioni efficaci
• Esperienza nell'utilizzo di tecnologie di elaborazione dati basate sul cloud, preferibilmente su Microsoft Fabric, con esperienza in Azure Databricks, Azure SQL Warehouse, Azure Synapse Analytics e tecnologie di streaming simili, nonché in Delta Lake
• Comprovata esperienza nella gestione di grandi set di dati, con l'utilizzo di competenze di data engineering nella progettazione, implementazione e collaudo dei sistemi
• Familiarità con soluzioni di archiviazione cloud quali Azure Data Lake e Blob Storage
• Conoscenza approfondita dei principi della modellazione dei dati (l'esperienza con Data Vault costituisce un vantaggio) e ottime competenze nella progettazione, nell'implementazione e nel collaudo dei sistemi
• È preferibile avere esperienza con architetture basate sugli eventi (ad es. Kafka, Event Hubs, Apache Flink), mentre la distribuzione in container (ad es. Docker, Kubernetes) costituisce un vantaggio