Data & Analytics Engineer (Power BI)

AIQLABS to dynamicznie rozwijający się, nowoczesny fin-tech, posiadający w swoim portfolio produkty kierowane do klientów indywidualnych i biznesowych.

• Min. 2-3 lata doświadczenia na stanowisku analityka danych, BI lub pokrewnym.
• Bardzo dobra znajomość SQL – swoboda w manipulacji dużymi zbiorami danych i optymalizacji zapytań.
• Doświadczenie z Power BI potwierdzone wdrożonymi projektami (znajomość DAX, Power Query, Power BI Service).
• Zrozumienie koncepcji hurtowni danych oraz modelowania danych.
• Silnie rozwinięte zdolności analitycznego i logicznego myślenia.
• Komunikatywność i umiejętność "tłumaczenia" technologii na język biznesu.
• Proaktywność, samodzielność oraz doskonała organizacja czasu pracy.

Nice to have:

• Znajomość języka Python oraz narzędzia Apache Airflow w kontekście automatyzacji zadań i orkiestracji potoków danych (data pipelines).
• Znajomość systemów chmurowych AWS.
• Znajomość narzędzi kontroli wersji (Git).
• Certyfikaty Microsoft (np. PL-300: Power BI Data Analyst).
• Doświadczenie z narzędziami typu dbt (data build tool).

• Projektowanie, tworzenie i utrzymywanie interaktywnych dashboardów oraz raportów biznesowych w Power BI.
• Tworzenie zaawansowanych miar i kalkulacji przy użyciu języka DAX oraz transformacja danych w Power Query (M).
• Dbanie o UX/UI raportów, tak aby były intuicyjne, estetyczne i odpowiadały na realne potrzeby użytkowników biznesowych.
• Zarządzanie uprawnieniami i dystrybucją raportów w ramach Power BI Service.
• Pisanie i optymalizacja zaawansowanych zapytań SQL (wielokrotne złączenia, funkcje okna, podzapytania) w celu ekstrakcji i agregacji danych.
• Projektowanie efektywnych, relacyjnych modeli danych na potrzeby systemów BI (np. schemat gwiazdy/płatka śniegu).
• Współpraca z inżynierami danych przy tworzeniu i rozwijaniu hurtowni danych (DWH) oraz procesów ETL/ELT.
• Monitorowanie poprawności odświeżania danych i optymalizacja wydajności istniejących raportów.
• Współudział w automatyzacji powtarzalnych procesów analitycznych oraz cyklicznego przygotowywania danych.
• Tworzenie i rozwijanie skryptów automatyzujących oraz harmonogramowanie zadań w celu usprawnienia przepływu danych między systemami.
• Ścisła współpraca z interesariuszami (zarząd, marketing, sprzedaż, operacje) w celu mapowania ich potrzeb informacyjnych i przekładania ich na wymagania techniczne.
• Prezentowanie wyników analiz w sposób zrozumiały dla osób nietechnicznych ("storytelling z danych").
• Dbanie o jakość i spójność danych (Data Governance) w całej organizacji.