Data Engineer Mid-Level (m/w/d)

Energie neu denken. Infrastruktur neu bauen. Zukunft neu gestalten – bei der Energy Metering Germany GmbH, einem Unternehmen der Octopus Energy Group.
 
Als innovativer Messstellenbetreiber treiben wir die Energiewende nicht nur voran – wir setzen sie technisch um.
Digital, skalierbar und kompromisslos praxisorientiert.
Von der Installation intelligenter Messsysteme inklusive Smart Meter Gateway über moderne Wallbox-Lösungen für Privathaushalte bis hin zu komplexen 1:n-Lösungen und CLS-Management nach §14a und §9 EnWG – wir bauen die vernetzte Energieinfrastruktur von morgen. Sicher, normkonform und hochautomatisiert.
Unser Anspruch: Messstellenbetrieb neu definieren – als Rückgrat eines flexiblen, datengetriebenen Energiesystems. Dafür kombinieren wir regulatorische Exzellenz mit technischer Umsetzungskompetenz und operativer Geschwindigkeit.
Wenn du nicht nur verwalten, sondern gestalten willst – dann baue mit uns das Energy Metering der nächsten Generation. 💚

Für den weiteren Ausbau und Betrieb unserer modernen Daten- und Analytics-Landschaft suchen wir einen vielseitigen Mid-Level Data Engineer (m/w/d). In dieser Rolle bist du das Bindeglied zwischen robuster Data-Lakehouse-Infrastruktur, analytischem Reporting mit Lightdash & Streamlit und angewandten Data-Science-Use-Cases.

Deine Aufgaben

Du begleitest Daten entlang ihres gesamten Lebenszyklus – von der Rohdatenaufnahme im Lakehouse über automatisierte Datenmodelle bis hin zu interaktiven Dashboards und Machine-Learning-gestützten Datenanwendungen.

• Lakehouse & Data Engineering (ca. 50%):


• Konzeption, Aufbau und Tuning performanter Pipelines auf Basis von Databricks.


• Datenmodellierung mit dbt sowie Orchestrierung robuster DAGs via Apache Airflow.


• Governance & Performance:


• Etablierung automatisierter Data-Quality-Prüfungen, Data Lineage und Cluster-Optimierung.


• Analytics & Data Apps (ca. 25%):


• Aufbau einer semantischen Metriken-Schicht und Self-Service-BI in Lightdash.


• Entwicklung interaktiver Analyse-Tools und Data Apps in Python (Streamlit).


• Data Science & ML (ca. 25%):


• Explorative Analysen, Prototyping und Training von ML-Modellen (z. B. Prognosen, Anomalien).


• MLOps & Business-Integration:


• Experiment-Tracking auf Databricks und Bereitstellung der Ergebnisse für Fachbereiche.

Dein Profil

• Berufserfahrung:


• Mindestens 2–4 Jahre Praxis im Data Engineering, Analytics Engineering oder einer vergleichbaren Rolle.


• Core Engineering Stack:


• Fundierte Praxis mit Databricks (Delta Lake, Unity Catalog), dbt und Apache Airflow.


• BI & Data Apps:


• Erfahrung mit Lightdash (oder Interesse an code-basierter BI) sowie mit Streamlit.


• Code & Datenbanksprachen:


• Exzellentes SQL (Performance-Tuning, komplexe Joins) und sehr gutes Python (pandas, PySpark, scikit-learn).


• Methodik & Best Practices:


• Routinierter Umgang mit Git / CI/CD und modernen Modellierungskonzepten (Star-Schema).


• Mindset & Sprachen:


• Pragmatische Hands-on-Mentalität, starke Kommunikationsfähigkeit und sehr gutes Deutsch & Englisch.

Diese Anzeige stammt von Lever. Originalanzeige ansehen ↗