Data-Plattform-Ingenieur

Join Proton and build a better internet where privacy is the default Proton wurde 2014 von Wissenschaftlern des CERN auf einer einfachen Wahrheit gegründet: Privatsphäre ist ein grundlegendes Menschenrecht. Seitdem haben wir den größten verschlüsselten E-Mail-Service der Welt (Proton Mail) aufgebaut und uns auf Proton VPN, Proton Drive, Proton Pass und Proton Calendar ausgedehnt – Tools, die von Millionen weltweit verwendet werden, um ihre Freiheit zu schützen, Zensur zu bekämpfen und ihre Daten sicher zu halten. In einigen Situationen hat Proton sogar buchstäblich Leben gerettet! Wir sind profitabel, unabhängig (keine VC-Kontrolle) und wählen unsere Mitarbeiter aus den besten ~1% der Bewerber aus. Unsere 700+ Mitarbeiter in über 50 Ländern kommen aus führenden Organisationen und Elite-Universitäten. Wir arbeiten schnell, halten die Hierarchie leicht und priorisieren den Impact über die Optik. Wenn Sie sinnvolle Arbeit mit außergewöhnlich hochqualifizierten Menschen leisten möchten, ist dies der richtige Ort. Kommen Sie zu uns und leisten Sie Arbeit, auf die Sie wirklich stolz sein können. Überprüfen Sie unsere Open-Source-Projekte hier! Das Proton-Data-Team ist für alles verantwortlich, was es dem Unternehmen ermöglicht, datengetriebene Entscheidungen zu treffen, mit unserer On-Premise-, benutzerdefinierten Data-Plattform im Mittelpunkt. Wir suchen einen Senior Data Platform Engineer, um die Datenpipelines in unserer Data-Plattform zu warten, zu verbessern und zu konsolidieren und uns zu helfen, unsere Data-Plattform auf das nächste Level zu bringen. Was Sie tun werden: End-to-End-Data-Engineering- und Data-Plattform-Initiativen vorantreiben, von der Problemfindung und technischen Auslegung bis zur Implementierung, zum Rollout, zur Dokumentation und zur langfristigen Wartung. Entwerfen, aufbauen und betreiben Sie zuverlässige, skalierbare und wartbare Datenpipelines, die Analysen, Produktinsights, Experimente und geschäftskritische Berichte unterstützen. Arbeiten Sie mit großen Batch- und Streaming-Datensystemen, um sicherzustellen, dass die Daten genau, rechtzeitig, beobachtbar und einfach zu konsumieren sind. Zusammenarbeiten Sie eng mit den Engineering-, Produkt-, Analytics-, Data-Science- und Business-Teams, um Bedürfnisse zu verstehen, Anforderungen zu klären und sie in pragmatische technische Lösungen zu übersetzen. Verbessern Sie die Zuverlässigkeit, Leistung und Betriebsreife der Data-Plattform, einschließlich Überwachung, Alarmierung, Datenqualitätsprüfungen, Fehlerbehandlung und Reaktion auf Zwischenfälle. Tragen Sie zur Weiterentwicklung unserer Datenarchitektur bei, einschließlich Datenmodellierung, Warehouse/Lakehouse-Praktiken, Schemadesign, Datenverträgen, Einzugsmustern und Plattformstandards. Helfen Sie, Lücken in unserem aktuellen Datenökosystem zu identifizieren und skalierbare Lösungen vorzuschlagen, die die Komplexität reduzieren, die Entwicklererfahrung verbessern und es Teams ermöglichen, schneller zu agieren. Leiten Sie technische Diskussionen und tragen Sie zu Design-Reviews, Architektur-Entscheidungen und Roadmap-Planungen für Data-Plattform-Initiativen bei. Betreuen und unterstützen Sie andere Ingenieure durch Code-Reviews, Pairing, technische Anleitung und Wissensaustausch. Fördern Sie starke Engineering-Praktiken im gesamten Team, einschließlich Tests, Dokumentation, Beobachtbarkeit, Wartbarkeit und sorgfältiger Abwägung von Kompromissen. Übernehmen Sie die Verantwortung für unklare oder funktionsübergreifende Probleme und helfen Sie, sie in klare, umsetzbare Initiativen mit messbarem Impact umzuwandeln. Anforderungen Master-Abschluss in Informatik, Ingenieurwesen, Data-Engineering oder einem verwandten technischen Fach, oder gleichwertige praktische Erfahrung. 5+ Jahre relevanter beruflicher Erfahrung in Data-Engineering, Data-Plattform-Engineering, Backend-Engineering, verteilten Systemen oder einem eng verwandten Bereich. Starke Software-Engineering-Fähigkeiten, mit hervorragenden Kenntnissen in Scala und/oder Java sowie solider Python-Erfahrung. Erfahrung mit der Erstellung von Produktionscode, der wartbar und gut getestet ist, wird erwartet. Gutes Verständnis von verteilten Systemen, einschließlich Skalierbarkeit, Fehlertoleranz, Konsistenzkompromissen, Ressourcenmanagement und Betriebsfehlermodi. Solide Erfahrung beim Entwerfen, Aufbauen und Betreiben von Datenpipelines in Produktionsumgebungen, einschließlich Batch- und/oder Streaming-Workloads. Erfahrung mit Apache Spark ist hoch empfohlen, insbesondere in großen Datenverarbeitungsumgebungen. Starke Kenntnisse von Datenbanken, SQL, Abfrageoptimierung, Datenmodellierung und Datenzugriffsmustern. Gutes Verständnis von Data-Warehouse- und Data-Lakehouse-Best-Practices in Big-Data-Umgebungen, einschließlich Partitionierung, Schemaevolution, Datenqualität, Zuverlässigkeit, Beobachtbarkeit und Leistungsaspekten. Erfahrung bei der Arbeit mit großen Datensätzen, mit der Fähigkeit, über Skalierbarkeit, Leistung, Kosten, Zuverlässigkeit und Betriebskompromisse nachzudenken. Fähigkeit, technische Initiativen von Anfang bis Ende voranzutreiben, von der Problemformulierung und Lösungsentwicklung bis zur Implementierung, zum Rollout, zur Dokumentation und zur langfristigen Wartung. Sich wohl fühlen bei der Arbeit mit Unsicherheiten und der Übersetzung breiter Geschäftsanforderungen oder Plattformbedürfnisse in pragmatische technische Pläne. Starke Kommunikationsfähigkeiten, mit Erfahrung bei der Zusammenarbeit mit Engineering-, Analytics-, Produkt- und Business-Teams. Mentoring-Erfahrung, einschließlich der Unterstützung anderer Ingenieure durch technische Anleitung, Code-Reviews, Design-Diskussionen und Wissensaustausch. Eine starke Eigentümer-Mentalität, mit der Fähigkeit, Probleme zu identifizieren, Lösungen vorzuschlagen, Stakeholder zu koordinieren und Initiativen voranzutreiben, ohne konstante Anleitung zu benötigen. Bonuspunkte für: Erfahrung mit Kubernetes und containerisier