
Ang Applaudo ay isang nearshore software development company na nakatuon sa pagtulong sa mga organisasyon na gawing moderno ang teknolohiya at isulong ang digital transformation. Itinatag noong 2013, pinagsasama ng kumpanya ang kadalubhasaan sa software engineering at pagkonsulta sa innovation at experience design, application development at maintenance, quality assurance, cloud solutions, artificial intelligence, cybersecurity, data solutions, at app modernization. Naglilingkod ang Applaudo sa mga kliyente sa mga sektor ng sports, media at entertainment, retail, consumer packaged goods, at financial services, habang sinusuportahan ang mga proyektong nagpapahusay sa mga digital product, imprastraktura, at paghahatid ng IT. May punong tanggapan sa Austin, Texas, at opisina sa San Salvador, pinagsasama ng Applaudo ang 501–1,000 empleyado upang maglingkod sa mga negosyo sa larangan ng teknolohiya at digital services.
Senior Data Engineer para sa Azure Databricks
Bumuo ng mga data pipeline gamit ang Azure Databricks at Python para sa mga solusyong pang-enterprise ng Applaudo na pinapagana ng AI. Ikonekta ang mga source ng enterprise sa maaasahang mga data warehouse at isang sentralisadong Data Hub.
Paglalarawan
- Bumuo at magpanatili ng mga production data pipeline gamit ang Azure Databricks at Python.
- Gumawa ng mga nasusukat na data transformation gamit ang PySpark o Spark SQL.
- Kumuha at magproseso ng data mula sa mga API, relational database, cloud storage, at SFTP.
- Pagsamahin sa isang sentralisadong Data Hub ang data mula sa mga platform para sa ticketing, CRM, marketing, retail, at iba pang platform ng enterprise.
- Bumuo at magpanatili ng mga istruktura ng data warehouse, dimensional model, at data mart.
- Sumulat, mag-ayos ng performance, at magpanatili ng mga SQL transformation.
- Magdagdag ng mga pagsusuri sa kalidad ng data at consistency.
- Gumawa at magpanatili ng mga outbound data feed para sa mga third-party system.
- Siyasatin ang mga hindi pagtutugma ng data at lutasin ang mga isyu sa pipeline.
- Idokumento ang mga pipeline, lohika ng transformation, dependency, at teknikal na proseso.
- Makipagtulungan sa mga kasamahan at stakeholder upang linawin ang mga pangangailangan, ilantad ang mga panganib, at maghatid ng maaasahang mga solusyon sa data.
- Ibahagi nang maaga ang progreso, mga hadlang, at posibleng pagkaantala, at magmungkahi ng mga susunod na hakbang.
Mga Kinakailangan
- Hindi bababa sa limang taon ng propesyonal na karanasan sa data engineering.
- Matibay na praktikal na karanasan sa Azure Databricks.
- Mahusay na kasanayan sa Python para sa pagproseso at pagbabago ng data, at pagbuo ng pipeline.
- Matibay na karanasan sa Apache Spark, kabilang ang PySpark at/o Spark SQL.
- Mahusay na kasanayan sa SQL, kabilang ang mga kumplikadong transformation, pagpapatunay ng data, at pag-optimize ng performance ng query.
- Matibay na pundasyon sa data warehousing at dimensional modeling, kabilang ang mga fact, dimension, at data mart.
- Karanasan sa pagkonekta ng REST API, relational database, cloud storage, at SFTP.
- Praktikal na karanasan sa mga serbisyo ng data ng Microsoft Azure.
- Karanasan sa pagdaragdag ng mga pagsusuri sa kalidad ng data at pagpapatunay ng consistency sa pagitan ng mga source system at target model.
- Kayang mag-diagnose ng mga pagkabigo sa pipeline at magsiyasat ng mga hindi pagtutugma ng data.
- Kayang magtrabaho nang mag-isa, akuin ang responsibilidad, at sundin ang mga kasanayan sa engineering at dokumentasyon.
- Mahusay na kasanayan sa pakikipagkomunikasyon sa Ingles.
- Kayang makipagtulungan nang epektibo sa team na nakabase sa US.
- Dagdag na bentahe ang karanasan sa paglipat ng mga SQL workload sa Azure Databricks.
Mga Benepisyo
- Remote na trabaho.
- Pagkakataong matuto nang mabilis at akuin ang responsibilidad.
- Makatrabaho ang mahuhusay na team.
- Pamumuhunan sa mga makabagong paraan ng pagtatrabaho.
- Makibahagi sa malawakang pagbabagong pinapagana ng AI.
Mga Kaugnay na Trabaho
Walang nahanap na trabaho
Subukang ayusin o alisin ang mga filter para makahanap ng higit pang oportunidad.