Junior Data Engineer

Junior Data Engineer (a) Stellen Sie sich vor, Sie nutzen Ihre Data-Engineering-Fähigkeiten, um die Art und Weise zu verbessern, wie die kardiovaskuläre Gesundheit überwacht und verwaltet wird. Hilo von Aktiia definiert die Blutdrucküberwachung durch KI-gesteuerte optische Technologie neu, die auf mehr als 20 Jahren Forschung am Swiss Center for Electronics and Microtechnology (CSEM) basiert. Ihre Lösung kombiniert ein Wearable-Gerät (Hilo), eine mobile App und eine cloudbasierte Plattform für medizinisches Fachpersonal – und bietet Nutzern sowie Ärzten kontinuierliche, handlungsrelevante Einblicke in Blutdruckmuster. Mit mehr als 200.000 Nutzern, über $120M an Finanzierungen und einem bereits auf mehreren Märkten verfügbaren, CE-zertifizierten Medizinprodukt skaliert Aktiia seine Technologie, sein Produktökosystem und seine internationale Präsenz kontinuierlich weiter. Da Aktiia seine Datenkapazitäten erweitert, suchen wir einen Junior Data Engineer, der dabei hilft, ein Databricks-basiertes Medallion Lakehouse von einem primär R&D/Core Tech Setup zu einer breiteren, unternehmensweiten Datenplattform zu skalieren. In enger Zusammenarbeit mit und unter direkter Anleitung eines erfahrenen Senior Data Engineer werden Sie die Ingestion, Zentralisierung, Dokumentation und Validierung von klinischen, Legacy- und operativen Daten unterstützen. Ihre Arbeit wird dazu beitragen, komplexe und manchmal unübersichtliche Datenquellen in saubere, zuverlässige und modellbereite Pipelines zu transformieren, die von Data Science, ML, Algorithm und Core Tech Teams genutzt werden. Ihre Rolle Data Ingestion & Lakehouse Development: Design, Aufbau und Wartung von Daten-Ingestion- und Verarbeitungspipelines innerhalb des bei Aktiia auf Databricks gehosteten Medallion Lakehouse, unter Anleitung eines Seniors, während Sie schrittweise mehr Eigenverantwortung übernehmen. Clinical & Legacy Data Integration: Übernahme einer aktiven Rolle bei der Ingestion, Zentralisierung und Dokumentation klinischer Daten, die derzeit über EDC-Plattformen wie Castor und RedCap, Datenbanken, Standalone-Archive und andere historisch gewachsene Quellen verteilt sind. Data Exploration & Practical Data Archaeology: Hands-on-Arbeit mit unbekannten und manchmal unübersichtlichen Datensätzen, Identifizierung von Strukturen und Inkonsistenzen sowie die Umwandlung unstrukturierter Situationen in zuverlässige, nutzbare Datenbestände. Pipeline Development & Preprocessing: Aufbau von Preprocessing- und ETL/ELT-Pipelines, die saubere, strukturierte und modellbereite Datensätze für die Teams Algorithm Development, Core Tech, Machine Learning und Data Science bereitstellen. Data Quality, Validation & Documentation: Definition und Anwendung praktischer Standards für Datenqualität, Validierung, Rückverfolgbarkeit und Dokumentation – insbesondere für sensible und klinisch relevante Datensätze. Observability & Engineering Practices: Implementierung von Logging, Validierungsprüfungen, Alerting und grundlegender Observability für neue Pipelines, während Sie zu gemeinsamen Codebase-Praktiken wie Git, Code Reviews, CI/CD und Testing beitragen. Platform Scaling & Collaboration: Unterstützung der Entwicklung des Lakehouse von ausgewählten technischen Anwendungsfällen hin zu einer unternehmensweiten Dateninfrastruktur, in enger Zusammenarbeit mit dem Senior Data Engineer, ML Engineers, Data Scientists und funktionsübergreifenden Stakeholdern. Ihr Profil Akademischer Hintergrund Bachelor-Abschluss oder höher in Informatik, Data Engineering, Data Science, Software Engineering oder einem verwandten technischen Bereich. Berufliche Expertise Mindestens 1+ Jahr praktische Berufserfahrung nach dem Studium in den Bereichen Data Engineering, Dateninfrastruktur, Daten-Ingestion oder einer ähnlichen hands-on technischen Rolle. Sie stehen vielleicht noch am Anfang Ihrer Karriere, haben aber bereits mit echten Datenpipelines, produktionsorientierten Daten-Workflows oder kollaborativen Datenplattformen gearbeitet. Technische Erfahrung Sie verfügen über fundierte Hands-on-Erfahrung mit SQL und bringen praktische Erfahrung mit Databricks mit. Sie sind mit Cloud-Umgebungen vertraut – idealerweise AWS. Sie verstehen die Grundlagen des ETL/ELT-Pipeline-Designs, von Daten-Ingestion-Mustern und Datenmodellierung und haben mit gemeinsamen Codebases unter Verwendung von Git, Code Reviews, CI/CD oder Testing-Praktiken gearbeitet. Erfahrung mit Spark, Delta Lake oder Parquet ist ein großes Plus. Branchenpassung Idealerweise haben Sie Erfahrung in einem Start-up, Scale-up oder einem technisch anspruchsvollen Umfeld gesammelt, in dem Sie hands-on über die gesamte Datenpipeline hinweg gearbeitet haben. Erfahrung in regulierten oder datensensiblen Branchen wie MedTech, Pharma, FinTech oder dem Gesundheitswesen ist ein Plus, insbesondere wenn es um Datenqualität, Validierung und Dokumentation geht. Sprachkenntnisse Englisch auf sehr hohem Niveau ist ein Muss. Französisch ist von Vorteil. Persönlichkeit Als neugieriger, pragmatischer und hands-on Problemlöser haben Sie Freude daran, Struktur in komplexe Datenumgebungen zu bringen. Sie arbeiten selbstständig, stellen die richtigen Fragen, bleiben gut organisiert und arbeiten offen mit Stakeholdern aus den Bereichen Data Engineering, Data Science, ML, Algorithm, Core Tech und Product zusammen. Sie haben Ihren Sitz in der Schweiz und sind bereit, in einem hybriden Modell zu arbeiten, mit einer regelmäßigen Präsenz von einem Tag pro Woche in Neuchâtel. Wir suchen einen pragmatischen, hands-on Datenbauer, der gerne mit realen klinischen und Unternehmensdaten arbeitet – jemanden, der begeistert davon ist, Struktur in verstreute Datensätze zu bringen, zuverlässige Pipelines aufzubauen und dabei zu helfen, eine moderne Datenbasis für fortschrittliche ML- und digitale Gesundheitsanwendungen zu schaffen. Möchten Sie Ihre Expertise in Data Engineering und cloudbasierten Lakehouse-Architekturen erwe