Staff Data Engineer - Sponsored Content & Products (all genders)

Das Sponsored Content & Products-Team ist ein zentraler Wachstumstreiber. Das Ziel ist es, hochskalierbare Self-Serve-Marketplaces auf Cost-per-Click (CPC)-Basis aufzubauen. Diese ermöglichen es Marken, ihre Sichtbarkeit in Echtzeit direkt am digitalen Point of Sale effizient zu steigern.
Obwohl wir uns innerhalb eines bestehenden Ökosystems bewegen, bietet der architektonische Übergang von einem Monolithen hin zu vier spezialisierten Produktteams ein hochgradig autonomes, Greenfield-ähnliches Umfeld. Deine Designentscheidungen werden unseren zukünftigen Tech-Stack maßgeblich prägen und uns dabei helfen, unseren Retail Media-Umsatz zu vervielfachen.
Plattform- und Anwendungsebenen verbinden: Hochdurchsatz-Reverse-ETL-Replikationspipelines konzipieren, aufbauen und warten, um die Lücke zwischen zentralen Core-Plattformsystemen und kundenorientierten Reporting-Tools zu schließen
Pipeline-Modernisierung: Die Migration unserer aktuellen, maßgeschneiderten Datenverarbeitungspipelines in eine moderne, scalable Datenarchitektur über einen sicheren Migrationspfad federführend leiten
Speicher- & Datenmodellierung bewerten: Aktiv evaluieren, ob Daten für die jeweiligen Downstream-Use-Cases korrekt strukturiert sind, sowie strategische technische Entscheidungen darüber fällen, ob Workloads in relationale Engines (MySQL-Aggregate), schnelle Suchindex-Layouts (OpenSearch), Cloud-Warehouses (BigQuery) oder spaltenorientierte Speicher (ClickHouse) gehören
Cross-funktionale Informationsarchitektur: Eng mit Backend-Engineer:innen und Analytics-Engineer:innen zusammenarbeiten, um hochperformante, skalierbare Datenstrukturen zu entwerfen, und dabei die Verantwortung für physische und logische Modellierungsgrenzen übernehmen
Operational Excellence vorantreiben: Die operative Exzellenz in unserer gesamten Dateninfrastruktur stärken, indem proaktives Monitoring, Systemzuverlässigkeit und die allgemeine Stabilität der Anwendungen genauso priorisiert werden wie der Aufbau neuer Pipelines
Balance zwischen Innovation und Stabilität: Einen sehr hohen Standard für die Stabilität der Dateninfrastruktur pflegen und sicherstellen, dass langfristige Wartbarkeit denselben Stellenwert hat wie die Bereitstellung neuer Features
Engineering-Standards setzen und technische Kompromisse abwägen
Mehr als 5 Jahre Berufserfahrung im Bereich Data Platform Engineering
Mehr als 7 Jahre gesamte Berufserfahrung im Software Engineering
Programmiersprachen: Fundierte Kenntnisse in Python zum Schreiben maßgeschneiderter Datenladelogik, Datenvalidierungstreiber und clusterbasierter Synchronisationsprogramme
Batch-Workflow-Orchestrierung: Fundierte Erfahrung im Aufbau automatisierter, ereignisgesteuerter Batch-Architekturen sowie versiert im Konfigurieren von Status-Tracking, Asset-Sensoren und Task-Abhängigkeitsgraphen für komplexe Pipeline-Zeitpläne
Datenbankarchitektur: Fortgeschrittenes Verständnis von relationalen und analytischen Datenbank-Engines sowie fundiertes Wissen darüber, wann transaktionale relationale Setups (MySQL-Transaktionsisolationsstufen, Abfrage-Performance-Tuning) im Vergleich zu hochoptimierten spaltenorientierten/dokumentenbasierten Architekturen (ClickHouse, OpenSearch, BigQuery) eingesetzt werden sollten
Observability & Telemetry: Erfahrung im Tracking von Systemressourcen, Logging von Pipeline-Laufzeiten und Einrichten zentraler Daten-Alerts in Monitoring-Plattformen wie Datadog
Pragmatische & lösungsorientierte Denkweise: Ein:e praktische:r Problemlöser:in, der:die Wert auf sichere, stabile Migrationsschritte legt, anstatt auf vorzeitige Optimierung oder Over-Engineering zu setzen
Effektive Kommunikation: Fähigkeit, komplexe Architekturkonzepte, technische Designs und Performance-Kompromisse klar und einfach zu vermitteln
Hohe Autonomie & proaktive Eigenverantwortung: Motiviert, unabhängig zu arbeiten und die Verantwortung für Dateninitiativen zu übernehmen
Teamorientiert: Fähigkeit, produktiv mit zentralen Infrastruktur-Teams zusammenzuarbeiten, um Datenübergaben, Plattformgrenzen und die Informationsarchitektur abzustimmen
Nice To Have:
Moderne Daten-Orchestratoren: Erfahrung mit modernen Daten-Orchestratoren wie Dagster oder ähnlichen Tools
Datentransformation: Praktische Kenntnisse in dbt, um effektiv mit Analytics-Engineer:innen zusammenzuarbeiten und diese zu unterstützen
Domain-Expertise: Vorerfahrung in einem E-Commerce-, Retail-Tech- oder AdTech-Ökosystem mit einem soliden Verständnis von kommerziellen Retail-Workflows oder Funnel-Metriken
Praktische Vertrautheit oder die Fähigkeit, objektorientiertes PHP und Frameworks wie Laravel zu lesen, ist ein sehr geschätzter Bonus, da unsere bestehende Legacy-Pipeline und unser eigener Orchestrator nativ in dieser Umgebung laufen

Employment type
Full-time

Work arrangement
Hybrid