Data Engineer

Connectis_ Remote Warszawa 2026-11-06
  • Mimimum 3 lata doświadczenia w roli Data Engineer.
  • Praktyczna znajomość Python i PySpark w kontekście inżynierii danych.
  • Umiejętność efektywnej współpracy z zespołami biznesowymi i technicznymi.
  • Realizacja usług zdalnie (okazjonalne wizyty w Warszawie, 1x na kwartał).
  • Doświadczenie w pracy z platformą Databricks.
  • Biegła znajomość języka polskiego i angielskiego.

Wspólnie z naszym Partnerem, międzynarodowym liderem branży ubezpieczeniowej i reasekuracyjnej, poszukujemy doświadczonego/ej specjalisty/ki do świadczenia usług jako Data Engineer. Projekt dotyczy budowania i rozwijania skalowalnej infrastruktury danych opartej na Databricks, z naciskiem na modularność, reużywalność i jakość dostarczanych data products.


Mile widziane:
  • Znajomość Terraform lub Kubernetes.
  • Znajomość Microsoft Azure w kontekście projektów danych.
  • Doświadczenie z Medallion Architecture (Bronze / Silver / Gold).
  • Doświadczenie w roli lidera technicznego, obejmującej ustalanie standardów, code review i mentoring.



✨ OFERUJEMY:

  • Nowy sposób na aplikowanie z AI Rekruterem (AIR) – w trakcie procesu możesz porozmawiać z wirtualnym rekruterem 24/7, bez czekania na telefon. Finalną decyzję zawsze podejmuje Opiekun Projektu.
  • Współpracę w modelu projektowym, z rozliczeniem opartym na etapach i protokołach odbioru poszczególnych deliverables.
  • Wsparcie po stronie Connectis w sprawach administracyjnych i rozliczeniowych związanych ze współpracą.
  • Uczestnictwo w wydarzeniach branżowych oraz meetupach technologicznych.
  • 5 000 PLN za polecenie znajomych do naszych projektów.
  • Elastyczna forma współpracy B2B.
  • Realizacja usług 100% zdalnie.
  • Szybki i zdalny proces.


Dziękujemy za wszystkie zgłoszenia. Pragniemy poinformować, że skontaktujemy się z wybranymi osobami.

13672/MP
,[Projektowanie, rozwijanie i optymalizowanie skalowalnych pipeline'ów danych w środowisku Databricks, Współpraca z biznesem i zespołami technicznymi przy tworzeniu i dostarczaniu data products., Rozwijanie i utrzymywanie warstwy analitycznej oraz powiązanego ekosystemu danych., Dbanie o modularność, reużywalność, wydajność i jakość budowanych rozwiązań., Integrowanie i transformowanie danych z różnorodnych źródeł.] Requirements: Python, Spark, Databricks, Azure