Technology Specialist Data Mapping in Kraków

Zespół Digital & Technology (D&T) jest integralną częścią HEINEKEN Global Shared Services Center. Jesteśmy zobowiązani do uczynienia Heinekena najbardziej połączonym browarem. Obejmuje to cyfryzację i integrację naszych procesów, zapewnienie technologii na najwyższym poziomie oraz wdrażanie kultury opartej na danych. Dołączając do nas, będziesz pracować w jednym z najbardziej dynamicznych i innowacyjnych zespołów oraz mieć bezpośredni wpływ na budowanie przyszłości Heinekena!

Jako Technology Specialist Data Mapping (Data Analytics/Solutions Engineer), będziesz prowadzić rozwój zautomatyzowanych możliwości mapowania danych w ramach Data Mapping Chapter. Twoja rola znajduje się na styku inżynierii analitycznej, inżynierii danych i zarządzania danymi, umożliwiając tworzenie skalowalnych, wysokiej jakości artefaktów mapowania danych. Będziesz projektować, budować i obsługiwać rozwiązania backendowe i dane na platformie Azure, współpracując z nowoczesnymi platformami takimi jak Databricks, Azure DevOps i Unity Catalog.

Będziesz ściśle współpracować z specjalistami ds. mapowania danych, specjalistami ds. jakości danych, inżynierami danych, analitykami biznesowymi oraz ekspertami branżowymi, aby budować odporne możliwości mapowania danych zgodne z naszą strategią danych przedsiębiorstwa. Dodatkowo, ta rola koncentruje się na zastosowaniu zaawansowanych technik analitycznych i uczenia maszynowego w celu poprawy automatyzacji i inteligencji procesów mapowania danych, w tym dopasowywania algorytmicznego, rozwiązywania encji, modelowania semantycznego oraz podejść opartych na grafach wiedzy.

Twoje obowiązki będą obejmować:

• Core Data Mapping & Automation: projektowanie i wdrażanie zautomatyzowanych rozwiązań mapowania danych przy użyciu metadanych, semantyki i logiki transformacji; tłumaczenie definicji biznesowych i mapowań źródło-docelowe na skalowalne, wielokrotnego użytku transformacje danych; wspieranie automatyzacji przypadków użycia mapowania, takich jak standaryzacja, harmonizacja i dopasowywanie.
• Advanced Matching & ML-Driven Capabilities: projektowanie i stosowanie algorytmicznych i opartych na ML rozwiązań dopasowywania w celu poprawy automatyzacji mapowania; wdrażanie technik rozwiązywania encji (np. ocena podobieństwa, dopasowywanie probabilistyczne) na dużą skalę przy użyciu Pythona i PySpark; rozwijanie i utrzymywanie modeli semantycznych, w tym ontologii lub struktur opartych na grafach wiedzy, aby poprawić jakość i ponowną użyteczność mapowania.
• Alignment with Data Engineering & Platform Teams: współpraca z inżynierami danych w celu zapewnienia, że logika mapowania jest zgodna z zasadami architektury Databricks, Lakehouse i Medallion; stosowanie silnej wiedzy na temat PySpark, SQL, Delta Lake i Pythona w celu wpływania na projektowanie pipeline'ów i transformacji.
• Engineering Practices & Collaboration: przyczynianie się do wspólnych praktyk CI/CD, testowania i wdrażania dla pipeline'ów danych; promowanie wzorców wielokrotnego użytku, standardów dokumentacji i najlepszych praktyk technicznych w ramach zespołu; bliska współpraca z specjalistami ds. mapowania danych, analitykami i ekspertami branżowymi w celu dostarczania rozwiązań spełniających rzeczywiste potrzeby biznesowe.

Jesteś dobrym kandydatem, jeśli masz:

• silne doświadczenie w inżynierii danych, inżynierii analitycznej lub pracy na platformach danych;
• praktyczne doświadczenie w dostarczaniu transformacji danych na dużą skalę przy użyciu Databricks, PySpark i SQL;
• solidne umiejętności Pythona w zakresie przetwarzania danych i automatyzacji;
• doświadczenie w stosowaniu zaawansowanych metod analitycznych lub uczenia maszynowego do transformacji danych, dopasowywania lub problemów semantycznych;
• silne umiejętności rozwiązywania problemów w projektowaniu algorytmów dotyczących jakości danych, podobieństwa i wyrównania encji;
• dobre zrozumienie koncepcji zarządzania danymi, w tym jakości danych, semantyki, modelowania i kontraktów danych;
• doświadczenie w pracy z narzędziami metadanymi, lineage i zarządzania;
• znajomość platform danych opartych na Azure i środowisk danych przedsiębiorstwa;
• zdolność do efektywnej współpracy z inżynierami platform i danych, koncentrując się na logice danych, algorytmach i rozwiązaniach analitycznych;
• pewność w wyjaśnianiu rozwiązań technicznych zarówno interesariuszom technicznym, jak i nietechnicznym;
• doskonałe umiejętności pisania i mówienia w języku angielskim.

Tech Stack:

• Python (w tym PySpark, narzędzia skoncentrowane na danych);
• SQL (zaawansowany), transformacje danych i modelowanie;
• Databricks & Delta Lake (Lakehouse);
• Podstawy hurtowni danych i zarządzania danymi;
• Architektury oparte na metadanych (lineage, semantyka, dokumentacja);
• Platformy danych Azure (ADLS, ADF);
• Azure DevOps (Repozytoria, żądania pull, użycie pipeline'ów);
• Techniki uczenia maszynowego;
• Jira.

Silnym atutem będą:

• Techniki uczenia maszynowego stosowane w dopasowywaniu danych, klasyfikacji lub ocenie podobieństwa;
• Rozwiązywanie encji przy użyciu podejść probabilistycznych lub opartych na ML;
• Bazy danych grafowe i koncepcje grafów wiedzy.

Jesteś idealnym kandydatem, jeśli masz również:

• modelowanie semantyczne, ontologie lub modelowanie danych oparte na taksonomiach;
• znajomość bibliotek ML używanych w dużej skali przetwarzania danych (np. Spark ML, niestandardowe modele Pythona).

W HEINEKEN Kraków traktujemy poważnie integralność i etyczne postępowanie. Jeśli ktoś ma obawy dotyczące możliwego naruszenia przepisów prawnych wskazanych w Polskiej Ustawie o Sygnalistach lub naszym Kodeksie Postępowania Biznesowego, zachęcamy do zgłaszania tego. Sprawy można zgłaszać do zespołu globalnego lub lokalnie (zgodnie z lokalną procedurą zgłaszania sygnalistów HGSS) wybierając odpowiednią opcję w tym narzędziu lub komunikując to na infolinii.