Portugal
NOS
Lime
Senior Analytics Engineer
RemotePortugal
Portugal
PythonSQLAWSTerraform
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Als das größte globale Shared Micromobility-Unternehmen hat sich Lime zum Ziel gesetzt, eine Zukunft zu gestalten, in der Mobilität geteilt, erschwinglich und CO2-frei ist. Als eines der 100 einflussreichsten Unternehmen des Time Magazine hat Lime über eine Milliarde Fahrten in fast 30 Ländern auf fünf Kontinenten ermöglicht und damit eine neue Generation sauberer Alternativen zum Autobesitz angestoßen. Erfahren Sie mehr unter li.me.
Lime stellt einen Sr. Analytics Engineer für unser Corp Tech Data and Integrations Team ein. Sie berichten an den Corp Tech Analytics Manager von Lime im Bereich Enterprise Engineering und arbeiten eng mit der Führungsebene von Finance & Accounting zusammen, um Systeme mit höchster Governance zu entwerfen – und stellen so sicher, dass unsere Geschäftsleistung und Finanzberichtsdaten strengen externen Prüfungen standhalten.
Dies ist eine Remote-Position, bei der Kandidaten ihren Wohnsitz in Portugal haben müssen, um eine effektive Zusammenarbeit zwischen den Teams zu gewährleisten.
#LI-PP1 #LI-Remote
Wenn Sie etwas bewirken wollen, ist Lime der richtige Ort für Sie. Sind Sie sich nicht sicher, ob Sie alle Qualifikationen erfüllen? Wenn diese Rolle Sie begeistert, ermutigen wir Sie, sich zu bewerben. Entdecken Sie alle Möglichkeiten auf unserer Karriereseite.
Lime ist stolz darauf, ein Arbeitgeber zu sein, der Chancengleichheit fördert. Wir glauben, dass unterschiedliche Perspektiven uns helfen, zu wachsen und mehr zu erreichen. Deshalb setzen wir uns dafür ein, ein Team aufzubauen und zu entwickeln, das eine breitere Palette von Hintergründen, Fähigkeiten, Identitäten und Erfahrungen widerspiegelt. Wenn Sie während des Bewerbungs- oder Einstellungsprozesses eine angemessene Vorkehrung benötigen, wenden Sie sich bitte per E-Mail an [email protected].
Was Sie tun werden
- Entwerfen Sie die langfristige technische Vision für das Corporate Data Warehouse von Lime, um eine robuste, skalierbare semantische Schicht in Finanzqualität aufzubauen, die die Analyseinitiativen von Finance, Accounting und internem Corp Tech unterstützt.
- Verantworten Sie die Finanzdatenmodellierungsstrategie über Kernsysteme hinweg, einschließlich NetSuite und Nebenbücher, und stellen Sie konsistente Definitionen für Schlüsselkennzahlen (Umsatz, COGS, Vermögenssalden, Abschreibungen, Rückstellungen, Abschluss-KPIs) sicher.
- Definieren und erzwingen Sie Standards für dbt-Modellierung, SQL-Stil, CI/CD-Workflows, Dokumentation und automatisiertes Testen – damit das gesamte Team mit prüfungsfähiger Präzision arbeitet.
- Erstellen Sie abstimmungsbereite Datensätze, die den Monatsabschluss und Prüfungen unterstützen: Kontrollsummen, Roll-forwards, Abgleich von Nebenbüchern mit dem Hauptbuch, Varianzanalysen und transparente Datenherkunft.
- Erzwingen Sie strenge Data Governance und Kontrollen: Datenverantwortung, Glossar, Datenherkunft, Änderungsmanagement, Zugriffsmuster und automatisierte Validierung der Datenqualität gemäß den Erwartungen des Finanzwesens.
- Arbeiten Sie mit Stakeholdern aus dem Finanzwesen (Accounting/FP&A/Finance Ops) zusammen, um sicherzustellen, dass Analyse-Lösungen die Monatsabschluss-Workflows, den Bedarf an Prüfungsnachweisen und das Vertrauen der Stakeholder unterstützen.
- Bewerten und integrieren Sie Orchestrierungs- und Automatisierungsfunktionen, die manuelle Eingriffe und Betriebsrisiken über Ingestion-→-Transformation-→-Reporting-Pipelines hinweg reduzieren (einschließlich Alerting/Observability und SLA-Überwachung).
- Mentoring von Analytics Engineers im Team durch Design-Reviews, Code-Reviews und Pairings – Anhebung des Niveaus bei Modellierung, Tests und betrieblicher Genauigkeit.
Über Sie
- Bachelor- oder Master-Abschluss in Informatik, Data Engineering oder einem verwandten technischen Bereich.
- 5+ Jahre Erfahrung im Analytics Engineering / Data Warehousing, mit einer Erfolgsbilanz im Entwurf von Architekturen, die in schnell wachsenden Umgebungen skalieren.
- Starke backend-Instinkte: Sie denken in Datenverträgen, Idempotenz, späte Datenankünfte, Wiederverarbeitung, Kontrollsummen und Datenherkunft – nicht nur in Dashboards.
- Nachgewiesene Fähigkeit, technische und nicht-technische Stakeholder auf Director/VP-Ebene zu beeinflussen und widersprüchliche Anforderungen zu navigieren, um die beste langfristige Lösung zu erzielen.
Technische Anforderungen
- Cloud & Warehouse: 5+ Jahre Erfahrung im Aufbau und Skalieren von Daten-Stacks bei Cloud-Anbietern (AWS bevorzugt), einschließlich tiefgreifender Produktionserfahrung mit Snowflake – Warehouse-Größe, Clustering, inkrementelle Strategien, Abfrageprofilierung und Kompromisse zwischen Kosten und Leistung.
- SQL & Python: Experte auf hohem Niveau in SQL, plus starke Python für Transformation, Tooling und Automatisierung. Sie können komplexe Transformationen entwickeln und debuggen und erklären, warum sie so funktionieren, wie sie funktionieren.
- dbt: Tiefgreifende Expertise (Makros, Pakete, Leistungsmuster, Projektstrukturierung) und eine klare Philosophie, wie große dbt-Programme mit Wartbarkeit und Zuverlässigkeit betrieben werden.
- Datenmodellierung: Dimensionale Modellierung, ELT-Pipeline-Design und semantische Schichtgestaltung für Berichterstattung in Finanzqualität.
- Orchestrierung: Workflow-Orchestrierungstools wie Airflow – DAG-Design, Abhängigkeitsmanagement, Backfills, Wiederholungsversuche, SLAs und wie die Orchestrierung mit der Transformationsschicht interagiert.
- Data Ops: CI/CD für Datenpipelines, versionierte Schemata, automatisierte Tests, Code-Review-Standards und Release-Management.
- Zuverlässigkeit & Observability: Aktualitäts- und Volumenüberwachung, Anomalieerkennung bei Kontrollsummen, Datenherkunftsverfolgung, Alarmierung, Runbooks und klare Verantwortlichkeiten.
- Governance-Tools: Moderne Data-Governance-Tools und -Praktiken – Katalogisierung, Datenherkunft, PII-Maskierung und rollenbasierte Zugriffskontrolle.
- Distributed & Streaming: Praktische Erfahrung mit Spark, Flink oder Kafka und mit CDC/Ingestion-Mustern, die Batch- und Near-Real-Time-Analysen unterstützen.
- Infrastruktur: Erfahrung mit Iceberg, Debezium oder Infrastructure-as-Code-Tools wie Terraform zur Verwaltung von Dateninfrastrukturen.
Anforderungen im Finanz- und Rechnungswesen
Diese Rolle befindet sich an der Schnittstelle von Engineering und Finanzen. Sie müssen kein Buchhalter sein, aber Sie müssen die Sprache des Abschlusses sprechen und Systeme entwerfen, die Prüfungen standhalten.
- ERP-Grundlagen (NetSuite bevorzugt): Transaktionen und ihre Auswirkungen auf das Hauptbuch, Buchhaltungsperioden und Abschlusskalender, Dimensionen (Tochtergesellschaft/Abteilung/Klasse/Standort) und wie operative Ereignisse aus vorgelagerten Systemen in die Finanzberichterstattung einfließen.
- Hauptbuch & Nebenbücher: Vertrautheit mit der Komplexität von Haupt- und Nebenbüchern und Modellierung von Abstimmungen zwischen Nebenbüchern und Hauptbuch mit klaren, nachvollziehbaren „Single Source of Truth“-Definitionen.
- Kernfinanzkennzahlen: Konsistente Definition und Modellierung von Umsatz, COGS, Vermögenssalden, Abschreibungen, Rückstellungen und KPIs für den Monatsabschluss.
- Anlagevermögen / FAM: Daten zum Lebenszyklus von Vermögenswerten, Abschreibungslogik (z. B. lineare Abschreibung), Anpassungen und Zurücksetzungen von Vermögenswerten, Roll-forwards und Prüfbarkeit von Vermögenssalden.
- Unterstützung bei Abschluss & Prüfung: Erstellung von abstimmungsbereiten Datensätzen – Kontrollsummen, Roll-forwards, Abgleiche von Nebenbüchern mit dem Hauptbuch, Varianzanalysen und transparente Datenherkunft, die strengen externen Prüfungen standhalten.
- Planung & Prognose: Vertrautheit mit Planungsmodellen (z. B. Anaplan) und wie die Abstimmung von Plan- und Ist-Werten modelliert und gesteuert werden sollte.
- Kontrollen & Governance: Arbeiten innerhalb strenger interner Kontrollen (SOX, Prüfungsbereitschaft, IPO-Bereitschaft oder andere regulierte Umgebungen) – Datenverantwortung, Änderungsmanagement, Zugriffsmuster und Nachweisspuren.
- Finanzpartnerschaft: Die Fähigkeit, direkt mit Accounting, FP&A und Finance Ops zusammenzuarbeiten, um Abschluss-Workflows und den Bedarf an Prüfungsnachweisen in konkrete Datenanforderungen zu übersetzen.
Bevorzugte Erfahrung
- Erfahrung in der Implementierung von Data-Quality-Frameworks (Unit-/Integrationstests, Anomalieerkennung bei Kontrollsummen, Aktualitäts-/SLA-Prüfungen) und deren Operationalisierung (Alerts, Runbooks, Verantwortlichkeiten).
- Erfahrung in der Integration von ERP- und Plattformen für die Planung (NetSuite, Anaplan) in ein gesteuertes Warehouse über APIs oder CDC.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen