Data Platform Engineer (w/m/d) gesucht

Über uns WIR SUCHEN VERSTÄRKUNG! Data Platform Engineer (w/m/d) in Vollzeit 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 ResponseSnowflake-Administration: Warehouses, Credits, RBAC, Query-PerformanceAzure-Infrastruktur: Storage, Lifecycle-Policies, Kosten-Monitoring Datenmodellierung & Entwicklung Umsetzung des ELT-AnsatzesTransformation mit dbt platform nach Medallion-ArchitekturWeiterentwicklung der dbt-Modelle: Tests, Dokumentation, LineageAufbau neuer Data Marts bei neuen fachlichen Anforderungen Quellsystem-Management Anbindung neuer Quellsysteme an die PlattformSchema-Änderungen upstream erkennen und Pipelines anpassenKoordination mit internen Fachbereichen zu Datenanforderungen ML-Betrieb & Weiterentwicklung (KID) Betrieb und Monitoring unseres KI-basierten DispositionsalgorithmusOrchestrierung der täglichen Modell-Läufe (Azure ML)Datenversorgung des Modells aus der Plattform sowie Rückschreiben der ErgebnisseZusammenarbeit 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 EngineerSolide SQL-Kenntnisse und Erfahrung mit Cloud Data Warehouses (Snowflake von Vorteil)Praktische Erfahrung mit dbt (Core oder Platform/Cloud): Modellierung, Tests, Macros, DokumentationVerständnis des ELT-Paradigmas und Medallion-ArchitekturErfahrung mit Analytics-as-Code-Ansatz.Grundkenntnisse CI/CD (GitLab, GitHub oder ähnlich)Strukturierte, eigenverantwortliche ArbeitsweiseNice-to-have: Erfahrung mit Azure (ADLS Gen2, ADF, Private Endpoints)Kimball-Datenmodellierung (Facts, Dimensions, konformierte Dims)Erfahrung mit QlikSense oder vergleichbaren BI-ToolsML-Betrieb / MLOps: Modell-Scheduling, Feature-Pipelines, Ergebnis-MonitoringKenntnisse in Python und gängigen ML-Bibliotheken (scikit-learn, XGBoost)Snowpark ML oder Azure Machine Learning von VorteilHintergrund in Logistik, Distribution oder MedienhandelWas dich erwartet Greenfield-Projekt: Du baust keine Legacy-Umgebung um, sondern betreibst eine moderne Plattform, die gerade aufgebaut wirddbt Platform als zentrales Transformations-WerkzeugAnalytics-as-Code: Dokumentation, Tests und Lineage entstehen nicht nachträglich, sondern sind Teil des EntwicklungsprozessesDirekte Zusammenarbeit mit Fachbereichen -- du siehst, was deine Arbeit bewirktTechnologiestack: Snowflake, dbt Platform, Azure, GitLab, QlikSenseMitgestaltung der zweiten Ausbaustufe: externe Datenquellen, neue Use Cases in Disposition und HochrechnungQuereinsteiger sind herzlich willkommen