Brasilien
Clara
Marsh McLennan
Spezialist - Data Engineering
Brasilien
São Paulo, São Paulo, Brazil
PythonSQL
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Unternehmen: Guy Carpenter
Guy Carpenter ist ein Unternehmen von Marsh (NYSE: MRSH), einem weltweit führenden Anbieter in den Bereichen Risiko, Rückversicherung und Kapital, Personal und Investitionen sowie Managementberatung, der Kunden in 130 Ländern berät. Mit einem Jahresumsatz von über 27 Milliarden US-Dollar und mehr als 95,000 Mitarbeitern hilft Marsh durch die Kraft der Perspektive, die Zuversicht zu stärken, um erfolgreich zu sein. Weitere Informationen über Guy Carpenter finden Sie unter guycarp.com oder folgen Sie uns auf LinkedIn und X.
Marsh engagiert sich für die Schaffung eines vielfältigen, integrativen und flexiblen Arbeitsumfelds. Wir streben danach, die besten Mitarbeiter zu gewinnen und zu halten und die Vielfalt in Bezug auf Alter, Herkunft, Behinderung, ethnische Zugehörigkeit, familiäre Pflichten, Geschlechtsidentität oder -ausdruck, Familienstand, Nationalität, Elternstatus, persönlichen oder sozialen Status, politische Zugehörigkeit, Rasse, Religion und Überzeugungen, Geschlecht, sexuelle Orientierung oder Ausdruck, Hautfarbe oder jede andere gesetzlich geschützte Eigenschaft zu fördern.
Beschreibung
Was Sie erwartet?
Treten Sie dem Data Strategy Team bei, um unternehmensweite Datenprodukte und maßgeschneiderte Geschäftsanwendungen für ein globales Rückversicherungsgeschäft aufzubauen und zu betreiben.
Eine kundenorientierte, produktorientierte Rolle, die sich darauf konzentriert, Geschäftsprobleme in zuverlässige, für Stakeholder sichtbare Ergebnisse zu verwandeln – von Anfang bis Ende.
Praktische Arbeit beim Aufbau kuratierter Datensätze (Bronze bis Gold), räumlicher/geografischer Lösungen und Pipelines, die Kunden-, Makler- und versicherungsmathematische Daten kombinieren.
Enge Zusammenarbeit mit globalen Kollegen (USA/Europa) vom Standort Sao Paulo aus; professionelle Englischkenntnisse sind erforderlich.
- Unterstützung von Analyse- und KI/ML-gestützten Anwendungsfällen durch robuste Pipelines (Modellentwicklung und Kern-MLOps sind nicht der primäre Fokus).
- Möglichkeit, produktionsreife Datenprodukte vom Design über die Bereitstellung bis hin zur Überwachung und kontinuierlichen Verbesserung zu verantworten.
- Wichtige Arbeit an Datenprodukten, die täglich von Analysten und KI-Agenten im gesamten Unternehmen genutzt werden.
- Einblick in komplexe, datenreiche Domänen (Rückversicherung) und funktionsübergreifende Zusammenarbeit mit Produkt-, Geschäfts- und technischen Stakeholdern.
- Eine starke Engineering-Kultur, die Qualität, Beobachtbarkeit und zuverlässige Lieferung betont.
Bei Guy Carpenter, einem Unternehmen von Marsh, können Sie Ihr Bestes geben. Wir arbeiten an wichtigen Herausforderungen mit Kollegen, die unser Bestes hervorbringen. Unser einzigartiges kollaboratives Umfeld wird Sie befähigen, sich auf Ihren persönlichen und beruflichen Erfolg zu konzentrieren, von Top-Spezialisten in der (Rück-)Versicherungsbranche zu lernen und Sie zu einer lohnenden und wirkungsvollen Karriere zu führen.
Hybridmodell in Sao Paulo:
Wenn Sie viele, aber nicht alle der oben genannten Qualifikationen erfüllen, ermutigen wir Sie dennoch zur Bewerbung.
Marsh setzt sich für hybrides Arbeiten ein, das die Flexibilität des Fernzugriffs und die Vorteile der Zusammenarbeit, der Vernetzung und der beruflichen Weiterentwicklung durch die gemeinsame Arbeit im Büro bietet. Alle Marsh-Mitarbeiter werden gebeten, mindestens drei Tage pro Woche in ihrem lokalen Büro oder vor Ort bei Kunden zu arbeiten. Büroteams legen mindestens einen „Anker-Tag“ pro Woche fest, an dem ihr gesamtes Team persönlich zusammenkommt.
Wir zählen auf Sie, um
- ETL/ELT-Pipelines, Ingestions-Workflows und Datenmodelle auf Databricks unter Verwendung von Python und SQL zu erstellen und zu warten.
- Mehrdeutige Geschäftsprobleme in praktische Datenprodukte mit klaren Erfolgskriterien zu übersetzen.
- Lösungen End-to-End zu verantworten: Design, Bereitstellung, Überwachung, Wartung und Verbesserung.
- Direkt mit Produktmanagern, Geschäfts-Stakeholdern und technischen Partnern zusammenzuarbeiten.
- Starke Engineering-Praktiken anzuwenden: Tests, CI/CD, Code-Reviews, Beobachtbarkeit, Dokumentation, Datenherkunft, Alarmierung und Support.
- Fundierte Kompromisse zwischen Leistung, Zuverlässigkeit, Kosten und Latenz einzugehen und diese klar zu kommunizieren.
- Mit Data Scientists und Analysten an Pipelines zusammenzuarbeiten, die Analyse- und KI/ML-Anwendungsfälle unterstützen.
- Zu gemeinsamen Engineering-Mustern, Werkzeugen und Zuverlässigkeitspraktiken beizutragen.
- KI-Tools pragmatisch einzusetzen, um die Lieferung zu verbessern und gleichzeitig die Ergebnisse zu validieren.
Was Sie mitbringen müssen
- Erfahrung im Data Engineering (oder eng verwandten Rollen) mit Nachweisen über die Tätigkeit auf Senior-Niveau.
- Nachgewiesene technische Verantwortung für mindestens ein produktives Datenprodukt, das von echten Stakeholdern genutzt wird.
- Starke Kenntnisse in Python und SQL; Fähigkeit, produktionsreifen Code zu schreiben.
- Praktische Erfahrung mit Databricks (zwingend erforderlich).
- Erfahrung im Aufbau von ETL/ELT-Pipelines und produktiven Datensystemen.
- Erfahrung mit Datenqualität, Integritätsprüfungen und operativer Zuverlässigkeit in der Produktion.
- Fähigkeit, direkt mit Geschäfts-Stakeholdern zusammenzuarbeiten und mehrdeutige Anforderungen in praktische Lösungen umzusetzen; proaktiver Arbeitsstil mit geringer Aufsicht.
- Professionelle Englischkenntnisse.
- Verfügbarkeit für hybrides Arbeiten in Sao Paulo
- Bachelor-Abschluss in einem quantitativen Fach (oder gleichwertige praktische Erfahrung).
Was Sie auszeichnet
- Beratungserfahrung.
- Erfahrung in der Versicherungs-, Rückversicherungs-, Finanzdienstleistungs- oder anderen datenreichen komplexen Domänen.
- Erfahrung mit Azure Data Factory, dbt oder ähnlichen Orchestrierungs-/Transformations-Frameworks.
- Erfahrung im Aufbau oder der Unterstützung von APIs, Integrationen, asynchronen Workflows oder warteschlangenbasierten Systemen.
- Erfahrung in der Unterstützung von ML-gestützten Produkten in der Produktion; Vertrautheit mit MLOps-Konzepten.
- Einblick in semi-strukturierte oder unstrukturierte Daten-Workflows, einschließlich textlastiger oder KI-gestützter Anwendungsfälle.
- Praktische Erfahrung mit KI-gestützten Entwicklungs-Workflows in der Produktion.
- Erfahrung mit verteilter Datenverarbeitung im großen Maßstab.
- Vertrautheit mit BI-Tools wie Power BI, Tableau oder Looker.
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