W skrócie
- Zadania: Zarządzaj platformą danych finansowych i wspieraj analizy w dynamicznym zespole FinTech.
- Firma: Mars Global Services - innowacyjna firma z kulturą współpracy.
- Benefity: Elastyczna praca, konkurencyjne wynagrodzenie i możliwości rozwoju zawodowego.
- Pozostałe informacje: Możliwości rozwoju kariery w dynamicznym środowisku.
- Dlaczego ta praca: Pracuj z nowoczesnymi technologiami i wpływaj na decyzje finansowe firmy.
- Kwalifikacje: Doświadczenie w analizie danych i umiejętności współpracy w zespole.
Przewidywane wynagrodzenie mieści się w przedziale 49500 - 60500 zł za rok.
Data Assets Model Senior Analyst (f/m/x) w Mars Global Services
Lokalizacja: Warszawa (Polska) Praca hybrydowa (do 50%)
W związku z rozwojem zespołu Corporate Finance Technology oraz trwającymi zmianami organizacyjnymi, potrzebujemy zwiększyć nasze możliwości w zespole FinTech, szczególnie w obszarze technologii Data Lake, poszukując analityka seniora modelu danych aktywów finansowych.
Analizator modelu danych aktywów finansowych w zespole FinTech Data Lake odpowiada za korporacyjny zbiornik danych finansowych, zapewniając integralność, niezawodność i zarządzanie danymi finansowymi Mars Inc. poprzez odpowiednie polityki, procesy oraz efektywne zarządzanie zmianami platformy i danych. Rola wspiera infrastrukturę danych, która pobiera, konsoliduje i kuratuje dane finansowe z systemów źródłowych w różnych segmentach, regionach i jednostkach, obejmując rzeczywiste dane na podstawie okresowej, roku do daty oraz MAT.
Kluczowe obowiązki:
- Budowanie i utrzymywanie platformy zbiornika danych finansowych jako integralnej części raportowania zarządczego
- Wsparcie użytkowników korzystających z danych w narzędziach analitycznych i raportujących
- Tworzenie i zarządzanie procesami oraz potokami danych wspierającymi zamknięcia okresowe i zgłoszenia planów
- Utrzymywanie i aktualizacja modeli danych, schematów i hierarchii zgodnie ze zmieniającymi się potrzebami biznesowymi
- Zapewnienie zgodności zbiornika danych oraz powiązanych systemów, takich jak OneStream, CFIN, PAPM, z jednolitymi definicjami danych i uzgodnionymi wynikami
- Ścisła współpraca z zespołami wsparcia technicznego (np. inżynieria danych, infrastruktura chmurowa, właściciele systemów źródłowych)
- Tworzenie i zarządzanie dostępem oraz zarządzaniem danymi, w tym uprawnieniami opartymi na rolach i kontrolami katalogów
- Utrzymywanie i aktualizacja dokumentacji technicznej, słowników danych oraz materiałów szkoleniowych dla użytkowników
- Uczestnictwo w działaniach związanych z zamknięciem okresowym, w tym ładowanie danych, walidacje i uzgodnienia
- Wsparcie zatwierdzonych projektów międzyplatformowych i międzysegmentowych z punktu widzenia technicznego
- Inicjowanie działań poprawiających jakość danych oraz (re-)egzekwowanie ról i odpowiedzialności w zakresie jakości danych
Wymagana umiejętność komunikacji na różnych poziomach w szerokim zakresie okoliczności. Interakcje obejmują zespoły MDG, OneStream, Data Lake oraz CFIN/PAPM, inżynierię danych, platformę chmurową oraz właścicieli systemów źródłowych, partnerów zewnętrznych i dostawców, liderów procesów i strumieni roboczych w inicjatywach projektowych.
Umiejętności i technologie:
- Core Azure Data Platform
- Azure Data Lake Storage Gen2 (ADLS): przestrzeń nazw, ACL, zarządzanie cyklem życia, tiering przechowywania
- Azure Databricks: administracja przestrzenią roboczą, polityki klastrów, orkiestracja zadań i przepływów pracy, SQL Databricks, tuning kosztów i wydajności
- Delta Lake: transakcje ACID, podróż w czasie, ewolucja i egzekwowanie schematów, Z-ordering
- Unity Catalog: projekt metastore, katalogi/schematy/objętości, bezpieczeństwo na poziomie wierszy i kolumn, linia danych, lokalizacje zewnętrzne i poświadczenia przechowywania
- Azure Blob Storage: kontenery, poziomy dostępu, SAS i dostęp tożsamości zarządzanej, prywatne punkty końcowe
- Azure Data Factory (ADF) i/lub Synapse Pipelines: projektowanie potoków, parametryzacja, integracja runtime (w tym hostowane samodzielnie), wyzwalacze, metadane napędzające ramy wczytywania
- Azure SQL Database / Managed Instance / Synapse dedicated SQL pools: projekt warstwy serwisowej, indeksowanie, partycjonowanie
- Architektura inżynierii danych i architektura
- Medalionowa architektura (brąz/srebro/złoto) i wzorce projektowe lakehouse
- Modelowanie wymiarowe (gwiazda/śnieżynka), skarb i modelowanie specyficzne dla finansów (GL, hierarchie, konsolidacja, FX)
- Wczytywanie wsadowe i inkrementalne/CDC; strumieniowanie z użyciem Structured Streaming, Event Hubs lub Kafka
- PySpark i Spark SQL: tuning wydajności, strategia partycjonowania, łączenia rozgłoszeniowe, obsługa rozkładów, buforowanie
- Zaawansowany SQL: funkcje okna, CTE, zapytania rekurencyjne, analiza planu zapytania, optymalizacja wydajności
- Python do inżynierii danych, a Scala jako dodatkowa umiejętność
- Delta Live Tables / Lakeflow deklaratywne potoki i przepływy pracy Databricks
- Migracja i modernizacja danych z platform dziedzicznych (np. Essbase, magazyny on-prem)
- Zarządzanie, bezpieczeństwo i jakość danych
- Zarządzanie danymi i katalogowanie (Unity Catalog, Microsoft Purview)
- Kontrola dostępu oparta na rolach i atrybutach, grupy Microsoft Entra ID (Azure AD), SCIM provisioning
- Zarządzane tożsamości, zasady usług, Azure Key Vault, zarządzanie sekretami
- Bezpieczeństwo sieci: wstrzykiwanie VNet, prywatny link, konfiguracja zapory i NSG
- Ramki jakości danych (np. Great Expectations, Delta expectations, niestandardowe zasady uzgadniania)
- Linia danych, logi audytowe, retencja i zgodność (SOX, kontrole finansowe)
- Zarządzanie danymi głównymi i danymi referencyjnymi (integracja MDG)
- DevOps, automatyzacja i dostarczanie
- Azure DevOps (ADO): repozytoria, tablice, potoki (YAML), zarządzanie wydaniami, strategie gałęzi
- CI/CD dla Databricks i ADF (Pakiety zasobów Databricks, szablony ARM/Bicep)
- Infrastruktura jako kod: Terraform, Bicep lub ARM
- Przepływy pracy oparte na Gicie, standardy przeglądów kodu, automatyczne testowanie potoków danych
- Monitorowanie i obserwowalność: Azure Monitor, Log Analytics, alerty, SLA potoków
- FinOps i zarządzanie kosztami dla zasobów Databricks i Azure
- Znajomość Microsoft Fabric / OneLake (mile widziana)
- REST API i integracja z systemami finansowymi przedsiębiorstwa (konsolidacja, planowanie, MDG): mile widziane
Dostarczenie i przywództwo:
- Dostarczenie Agile/Scrum/SAFe, zarządzanie backlogiem i planowanie sprintów w ADO
- Techniczny autorytet projektowy: przeglądy architektury, standardy, wielokrotne ramy
- Mentoring i przegląd kodu dla inżynierów danych i analityków
- Zarządzanie dostawcami i partnerami, w tym nadzór nad SOW i dostarczanymi produktami
- Zarządzanie incydentami, problemami i zmianami (zgodne z ITIL) dla krytycznych obciążeń
- Komunikacja z interesariuszami od inżynierów do wyższej kadry kierowniczej finansów
W zależności od lokalizacji, świadczenia mogą się nieco różnić.
Data Assets Model Senior Analyst (f/m/x) in Warsaw – pracodawca: mars
Mars to wyjątkowy pracodawca, który oferuje nie tylko stabilne zatrudnienie w największym w Europie kompleksie fabryk karmy dla zwierząt, ale także realny wpływ na strategię bezpieczeństwa w dynamicznym środowisku. Pracownicy mogą liczyć na bogaty pakiet świadczeń, w tym ubezpieczenie zdrowotne, dofinansowanie do posiłków oraz indywidualny plan rozwoju kariery, co sprzyja ich osobistemu i zawodowemu wzrostowi.
