Du hast Erfahrung im Bereich Data Engineering und möchtest eine moderne Datenplattform nicht nur nutzen, sondern aktiv mitgestalten? Du arbeitest gerne eigenverantwortlich, denkst analytisch und möchtest sehen, was deine Arbeit im Unternehmen bewirkt? Entwicklungsmöglichkeiten und abwechslungsreiche Aufgaben sind dir wichtig? Dann werde Teil unseres Teams und gestalte die digitale Transformation bei Deutschlands Marktführer im Pressevertrieb mit!

Wer ist MZV?

Wir sind Marktführer im Zeitschriftenvertrieb und größter Vertriebspartner von Verlagen. Dabei stellen wir sicher, dass Printerzeugnisse die Aufmerksamkeit erhalten, die sie verdienen und arbeiten eng mit Großhändlern, Bahnhofsbuchhändlern, Fachhändlern sowie Importeuren im In- und Ausland zusammen.

Unser Portfolio deckt sämtliche Zeitschriften-Themenfelder ab. Von hochauflagigen TV- und Frauenzeitschriften bis hin zum vielseitigen Bereich der Special-Interest-Magazine.

Du betreust und entwickelst unsere neue analytische Datenplattform, die das Herzstück unserer digitalen Transformation ist.

Konkret:

Plattformbetrieb & Monitoring

Überwachung der Datenpipelines (ADF, dbt) und Incident Response
Snowflake-Administration: Warehouses, Credits, RBAC, Query-Performance
Azure-Infrastruktur: Storage, Lifecycle-Policies, Kosten-Monitoring

Datenmodellierung & Entwicklung

Umsetzung des ELT-Ansatzes
Transformation mit dbt platform nach Medallion-Architektur
Weiterentwicklung der dbt-Modelle: Tests, Dokumentation, Lineage
Aufbau neuer Data Marts bei neuen fachlichen Anforderungen

Quellsystem-Management

Anbindung neuer Quellsysteme an die Plattform
Schema-Änderungen upstream erkennen und Pipelines anpassen
Koordination mit internen Fachbereichen zu Datenanforderungen

ML-Betrieb & Weiterentwicklung (KID)

Betrieb und Monitoring unseres KI-basierten Dispositionsalgorithmus
Orchestrierung der täglichen Modell-Läufe (Azure ML)
Datenversorgung des Modells aus der Plattform sowie Rückschreiben der Ergebnisse
Zusammenarbeit mit Data Scientists bei Modellverbesserungen und Rollout neuer Regionen

Stakeholder-Support

Ansprechpartner für Analysten und Fachbereiche (Disposition, Hochrechnung)
Ad-hoc-Datenanalysen und Erklärung von Datenprodukten

Must-have:

3+ Jahre Erfahrung als Data Engineer oder Analytics Engineer
Solide SQL-Kenntnisse und Erfahrung mit Cloud Data Warehouses (Snowflake von Vorteil)
Praktische Erfahrung mit dbt (Core oder Platform/Cloud): Modellierung, Tests, Macros, Dokumentation
Verständnis des ELT-Paradigmas und Medallion-Architektur
Erfahrung mit Analytics-as-Code-Ansatz.
Grundkenntnisse CI/CD (GitLab, GitHub oder ähnlich)
Strukturierte, eigenverantwortliche Arbeitsweise

Nice-to-have:

Erfahrung mit Azure (ADLS Gen2, ADF, Private Endpoints)
Kimball-Datenmodellierung (Facts, Dimensions, konformierte Dims)
Erfahrung mit QlikSense oder vergleichbaren BI-Tools
ML-Betrieb / MLOps: Modell-Scheduling, Feature-Pipelines, Ergebnis-Monitoring
Kenntnisse in Python und gängigen ML-Bibliotheken (scikit-learn, XGBoost)
Snowpark ML oder Azure Machine Learning von Vorteil
Hintergrund in Logistik, Distribution oder Medienhandel

Was dich erwartet

Greenfield-Projekt: Du baust keine Legacy-Umgebung um, sondern betreibst eine moderne Plattform, die gerade aufgebaut wird
dbt Platform als zentrales Transformations-Werkzeug
Analytics-as-Code: Dokumentation, Tests und Lineage entstehen nicht nachträglich, sondern sind Teil des Entwicklungsprozesses
Direkte Zusammenarbeit mit Fachbereichen -- du siehst, was deine Arbeit bewirkt
Technologiestack: Snowflake, dbt Platform, Azure, GitLab, QlikSense
Mitgestaltung der zweiten Ausbaustufe: externe Datenquellen, neue Use Cases in Disposition und Hochrechnung
Quereinsteiger sind herzlich willkommen

Homeoffice
Flexible Arbeitszeiten
Kantinenbezuschussung, kostenlos Kaffee, Wasser und Obst
Lounge zum Verweilen und kreativen Austausch
Dienstrad

KA1SP_DE

✨ Apply with AI – the AI handles the cover letter and sending

Rather do it yourself? Apply directly with the provider · Source: Stepstone

Jobs by source

All sources Jobware 4,181 StepStone 57,012