Junior Data Engineer

Junior Data Engineer (a) Immagina di usare le tue competenze di data engineering per migliorare il modo in cui la salute cardiovascolare viene monitorata e gestita. Hilo by Aktiia sta ridefinendo il monitoraggio della pressione sanguigna attraverso una tecnologia ottica basata su AI, sviluppata su oltre 20 anni di ricerca presso il Swiss Center for Electronics and Microtechnology (CSEM). La loro soluzione combina un dispositivo indossabile (Hilo), un'app mobile e una piattaforma cloud per i professionisti sanitari — fornendo a utenti e medici approfondimenti continui e azionabili sui modelli di pressione sanguigna. Con più di 200.000 utenti, oltre $120M in finanziamenti e un dispositivo medico certificato CE già disponibile in diversi mercati, Aktiia continua a scalare la propria tecnologia, il proprio ecosistema di prodotti e la propria presenza internazionale. Mentre Aktiia espande le proprie capacità di dati, siamo alla ricerca di un Junior Data Engineer che aiuti a scalare un medallion Lakehouse basato su Databricks da una configurazione principalmente R&D/Core Tech a una piattaforma dati più ampia a livello aziendale. Lavorando a stretto contatto e imparando direttamente da un esperto Senior Data Engineer, supporterai l'ingestione, la centralizzazione, la documentazione e la validazione di dati clinici, legacy e operativi. Il tuo lavoro aiuterà a trasformare fonti di dati complesse e talvolta disordinate in pipeline pulite, affidabili e pronte per i modelli, utilizzate dai team di Data Science, ML, Algorithm e Core Tech. Il Tuo Ruolo Data Ingestion & Lakehouse Development: Progettare, costruire e mantenere pipeline di ingestione e processamento dati all'interno del medallion Lakehouse ospitato su Databricks da Aktiia, lavorando sotto la guida di un senior assumendo gradualmente maggiore responsabilità. Clinical & Legacy Data Integration: Assumere un ruolo attivo nell'ingestione, centralizzazione e documentazione dei dati clinici attualmente distribuiti su piattaforme EDC come Castor e RedCap, database, archivi standalone e altre fonti cresciute storicamente. Data Exploration & Practical Data Archaeology: Lavorare concretamente con dataset sconosciuti e talvolta disordinati, identificare strutture e incongruenze, e trasformare situazioni non strutturate in asset di dati affidabili e utilizzabili. Pipeline Development & Preprocessing: Costruire pipeline di preprocessing e ETL/ELT che forniscano dataset puliti, strutturati e pronti per i modelli per i team di Algorithm Development, Core Tech, Machine Learning e Data Science. Data Quality, Validation & Documentation: Definire e applicare standard pratici per la qualità dei dati, la validazione, la tracciabilità e la documentazione — specialmente per dataset sensibili e clinicamente rilevanti. Observability & Engineering Practices: Implementare logging, controlli di validazione, alerting e osservabilità di base per le nuove pipeline, contribuendo al contempo alle pratiche di codebase condivise come Git, code reviews, CI/CD e testing. Platform Scaling & Collaboration: Supportare l'evoluzione del lakehouse da casi d'uso tecnici selezionati verso un'infrastruttura dati aziendale, lavorando a stretto contatto con il Senior Data Engineer, ML Engineers, Data Scientists e stakeholder cross-funzionali. Il Tuo Profilo Background Accademico Laurea triennale o superiore in Computer Science, Data Engineering, Data Science, Software Engineering o un campo tecnico correlato. Competenza Professionale Almeno 1+ anno di esperienza pratica post-laurea in data engineering, infrastruttura dati, ingestione dati o un ruolo tecnico pratico simile. Potresti essere ancora all'inizio della tua carriera, ma hai già lavorato con pipeline di dati reali, workflow di dati orientati alla produzione o piattaforme dati collaborative. Esperienza Tecnica Hai una solida esperienza pratica con SQL e porti esperienza pratica con Databricks. Sei familiare con gli ambienti cloud — idealmente AWS. Comprendi le basi del design di pipeline ETL/ELT, dei pattern di ingestione dati e della modellazione dei dati, e hai lavorato con codebase condivise utilizzando Git, code reviews, CI/CD o pratiche di testing. L'esperienza con Spark, Delta Lake o Parquet è un forte plus. Idoneità al Settore Idealmente, hai acquisito esperienza in una start-up, scale-up o in un ambiente tecnicamente impegnativo in cui hai lavorato concretamente sull'intera pipeline di dati. L'esposizione a settori regolamentati o sensibili per i dati come MedTech, Pharma, FinTech o sanità è un plus, specialmente per quanto riguarda la qualità, la validazione e la documentazione dei dati. Competenze Linguistiche L'inglese a un livello altamente proficiente è obbligatorio. Il francese è un vantaggio. Personalità Amorevole, pragmatico e un problem-solver orientato alla pratica, ti piace dare struttura a ambienti di dati complessi. Lavori in modo indipendente, poni le domande giuste, rimani ben organizzato e collabori apertamente con gli stakeholder di Data Engineering, Data Science, ML, Algorithm, Core Tech e Product. Risiedi in Svizzera e sei a tuo agio nel lavorare in un setup ibrido con una presenza regolare di un giorno a settimana a Neuchâtel. Cerchiamo un costruttore di dati pragmatico e pratico che ami lavorare con dati clinici e aziendali del mondo reale — qualcuno che sia entusiasta di portare struttura in dataset sparsi, costruire pipeline affidabili e aiutare a creare una moderna base di dati per applicazioni avanzate di ML e sanità digitale. Vuoi far crescere la tua competenza in Data Engineering e nelle architetture lakehouse basate su cloud contribuendo a una tecnologia sanitaria che ha un impatto diretto su centinaia di migliaia di persone? Allora non vediamo l'ora di conoscerti! jpid6b14cccjm jit0731jm jiy26jm