WIR SUCHEN VERSTÄRKUNG!

Data Platform Engineer (w/m/d) in Vollzeit

Du hast Erfahrung im Bereich Data Engineering und möchtest eine moderne Datenplattform nicht nur nutzen, sondern aktiv mitgestalten? Du arbeitest gerne eigenverantwortlich, denkst analytisch und möchtest sehen, was deine Arbeit im Unternehmen bewirkt? Entwicklungsmöglichkeiten und abwechslungsreiche Aufgaben sind dir wichtig? Dann werde Teil unseres Teams und gestalte die digitale Transformation bei Deutschlands Marktführer im Pressevertrieb mit!

Wer ist MZV?

Wir sind Marktführer im Zeitschriftenvertrieb und größter Vertriebspartner von Verlagen. Dabei stellen wir sicher, dass Printerzeugnisse die Aufmerksamkeit erhalten, die sie verdienen und arbeiten eng mit Großhändlern, Bahnhofsbuchhändlern, Fachhändlern sowie Importeuren im In- und Ausland zusammen.

Unser Portfolio deckt sämtliche Zeitschriften-Themenfelder ab. Von hochauflagigen TV- und Frauenzeitschriften bis hin zum vielseitigen Bereich der Special-Interest-Magazine.

Du betreust und entwickelst unsere neue analytische Datenplattform, die das Herzstück unserer digitalen Transformation ist.

Konkret:

Plattformbetrieb & Monitoring

• Überwachung der Datenpipelines (ADF, dbt) und Incident Response
• Snowflake-Administration: Warehouses, Credits, RBAC, Query-Performance
• Azure-Infrastruktur: Storage, Lifecycle-Policies, Kosten-Monitoring

Datenmodellierung & Entwicklung

• Umsetzung des ELT-Ansatzes
• Transformation mit dbt platform nach Medallion-Architektur
• Weiterentwicklung der dbt-Modelle: Tests, Dokumentation, Lineage
• Aufbau neuer Data Marts bei neuen fachlichen Anforderungen

Quellsystem-Management

• Anbindung neuer Quellsysteme an die Plattform
• Schema-Änderungen upstream erkennen und Pipelines anpassen
• Koordination mit internen Fachbereichen zu Datenanforderungen

ML-Betrieb & Weiterentwicklung (KID)

• Betrieb und Monitoring unseres KI-basierten Dispositionsalgorithmus
• Orchestrierung der täglichen Modell-Läufe (Azure ML)
• Datenversorgung des Modells aus der Plattform sowie Rückschreiben der Ergebnisse
• Zusammenarbeit mit Data Scientists bei Modellverbesserungen und Rollout neuer Regionen

Stakeholder-Support

• Ansprechpartner für Analysten und Fachbereiche (Disposition, Hochrechnung)
• Ad-hoc-Datenanalysen und Erklärung von Datenprodukten

Must-have:

• 3+ Jahre Erfahrung als Data Engineer oder Analytics Engineer
• Solide SQL-Kenntnisse und Erfahrung mit Cloud Data Warehouses (Snowflake von Vorteil)
• Praktische Erfahrung mit dbt (Core oder Platform/Cloud): Modellierung, Tests, Macros, Dokumentation
• Verständnis des ELT-Paradigmas und Medallion-Architektur
• Erfahrung mit Analytics-as-Code-Ansatz.
• Grundkenntnisse CI/CD (GitLab, GitHub oder ähnlich)
• Strukturierte, eigenverantwortliche Arbeitsweise

Nice-to-have:

• Erfahrung mit Azure (ADLS Gen2, ADF, Private Endpoints)
• Kimball-Datenmodellierung (Facts, Dimensions, konformierte Dims)
• Erfahrung mit QlikSense oder vergleichbaren BI-Tools
• ML-Betrieb / MLOps: Modell-Scheduling, Feature-Pipelines, Ergebnis-Monitoring
• Kenntnisse in Python und gängigen ML-Bibliotheken (scikit-learn, XGBoost)
• Snowpark ML oder Azure Machine Learning von Vorteil
• Hintergrund in Logistik, Distribution oder Medienhandel

Was dich erwartet

• Greenfield-Projekt: Du baust keine Legacy-Umgebung um, sondern betreibst eine moderne Plattform, die gerade aufgebaut wird
• dbt Platform als zentrales Transformations-Werkzeug
• Analytics-as-Code: Dokumentation, Tests und Lineage entstehen nicht nachträglich, sondern sind Teil des Entwicklungsprozesses
• Direkte Zusammenarbeit mit Fachbereichen -- du siehst, was deine Arbeit bewirkt
• Technologiestack: Snowflake, dbt Platform, Azure, GitLab, QlikSense
• Mitgestaltung der zweiten Ausbaustufe: externe Datenquellen, neue Use Cases in Disposition und Hochrechnung
• Quereinsteiger sind herzlich willkommen