Roku
Cummins
Data Engineer Principal
À propos du poste
Lien de la base de données GPP cummins365.sharepoint.com/sites/CS38534/
Veuillez noter que la fourchette de salaire fournie est une estimation de bonne foi de la fourchette applicable. L'offre de salaire finale sera déterminée après avoir pris en compte les facteurs pertinents, y compris les qualifications et l'expérience d'un candidat, le cas échéant.
Cummins est un employeur garantissant l'égalité des chances. Notre politique est de fournir des opportunités d'emploi égales à toutes les personnes qualifiées sans distinction de race, de sexe, de couleur, de handicap, d'origine nationale, d'âge, de religion, d'affiliation syndicale, d'orientation sexuelle, de statut d'ancien combattant, de citoyenneté, d'identité de genre ou de tout autre statut protégé par la loi.
Résumé du poste
Nous recherchons un(e) talentueux(se) Data Engineering Manager pour rejoindre notre équipe Cummins Inc. à Columbus, Indiana.
Dans ce rôle, vous aurez un impact de la manière suivante :
- Diriger la stratégie, l'architecture et l'évolution des plateformes de données d'entreprise qui permettent des solutions évolutives d'analyse, d'IA et de business intelligence.
- Collaborer avec les responsables commerciaux, les équipes produit et les parties prenantes techniques pour traduire des exigences complexes en solutions de données à forte valeur ajoutée.
- Concevoir et optimiser les architectures de data lake, lakehouse, data warehouse et basées sur le cloud qui améliorent l'accessibilité, la qualité et les performances des données.
- Fournir des pipelines de données résilients et réutilisables qui accélèrent la prise de décision et réduisent le temps de compréhension dans toute l'organisation.
- Promouvoir les normes de gouvernance, de sécurité, de conformité et de qualité des données pour garantir des actifs de données d'entreprise fiables et dignes de confiance.
- Piloter des initiatives d'amélioration continue qui améliorent l'évolutivité, l'efficacité opérationnelle, l'optimisation des coûts et les performances de la plateforme.
- Fournir un leadership technique, du mentorat et des conseils architecturaux aux équipes d'ingénierie de données tout en favorisant l'excellence en ingénierie.
- Permettre la prise de décision critique pour la direction et l'entreprise grâce à l'intégration et à la livraison de données provenant de divers systèmes d'entreprise.
RESPONSABILITÉS
Pour réussir dans ce rôle, vous aurez besoin de ce qui suit :
- Capacité avérée à concevoir et à livrer des plateformes de données à l'échelle de l'entreprise, des modèles de données et des solutions d'analyse basées sur le cloud qui soutiennent la croissance et l'innovation de l'entreprise.
- Expertise approfondie des pratiques modernes d'ingénierie de données, y compris le développement de pipelines évolutifs, l'intégration de données, la modélisation de données, le traitement distribué et les architectures cloud natives.
- Solides compétences en leadership et en gestion des parties prenantes, avec la capacité d'influencer des équipes interfonctionnelles, de naviguer dans l'ambiguïté et d'aligner les solutions technologiques sur les résultats commerciaux.
- Connaissance approfondie de la gouvernance des données, de la sécurité, de la conformité et des pratiques modernes d'ingénierie logicielle, y compris Agile, DevSecOps, CI/CD et l'automatisation.
- Passion démontrée pour l'innovation, l'apprentissage continu et l'exploitation des technologies émergentes pour générer une valeur commerciale mesurable.
Éducation, licences, certifications
Diplôme universitaire ou équivalent dans une discipline technique pertinente, ou expérience équivalente pertinente requise. Ce poste peut nécessiter une licence pour se conformer aux réglementations sur les contrôles à l'exportation ou les sanctions.
QUALIFICATIONS
Responsabilités supplémentaires et compétences clés préférées
- 10+ années d'expérience progressive en ingénierie de données, architecture de données, ingénierie analytique ou un domaine technique étroitement lié, y compris une expérience dans la direction de solutions de données d'entreprise complexes.
- Profondeur d'expérience démontrée dans la fourniture de solutions de données, d'analyse ou d'IA d'entreprise dans des environnements de fabrication et de chaîne d'approvisionnement vastes et complexes, avec une expérience dans un ou plusieurs domaines tels que la planification, l'approvisionnement, la fabrication, les stocks, la logistique, l'ingénierie, le marché secondaire, le commercial, la finance ou les fonctions opérationnelles connexes.
- Capacité démontrée à travailler directement avec les parties prenantes commerciales pour comprendre des problèmes et processus commerciaux complexes, clarifier les exigences, explorer les données disponibles et développer des prototypes ou des preuves de concept qui valident les approches de solution avant de mettre à l'échelle les solutions réussies en production.
- Solide expertise pratique en ingénierie de données moderne, y compris SQL, Python/PySpark, modélisation de données, conception de pipelines évolutifs, intégration de données et plateformes de données distribuées/cloud.
- Expérience démontrée dans la conception, la construction et l'exploitation de pipelines de données par lots et en flux continu ou quasi temps réel, en tenant compte de l'orchestration, de la fiabilité, de la surveillance, de la récupération, de l'évolutivité et des performances.
- Expérience de l'intégration de données à travers une variété de systèmes sources d'entreprise complexes, tels que les systèmes ERP et opérationnels, les applications et bases de données héritées, les APIs, les plateformes cloud, les flux d'événements, les sources IoT/télémétrie, et les données structurées ou non structurées.
- Expérience démontrée dans la conception et l'évolution d'architectures de données à l'échelle de l'entreprise, y compris les data lakes, lakehouses, data warehouses ou plateformes analytiques modernes comparables.
- Solide expérience en modélisation de données, y compris la modélisation de données relationnelles, dimensionnelles et d'entreprise/de domaine, les structures de faits et de dimensions, les schémas en étoile ou snowflake, les dimensions conformes et d'autres modèles appropriés soutenant les cas d'utilisation analytiques, opérationnels et d'IA.
- Expérience dans la construction de frameworks d'ingénierie de données réutilisables, de fondations de données partagées, de modèles de données d'entreprise et de produits de données gouvernés qui peuvent prendre en charge plusieurs cas d'utilisation commerciaux, analytiques, d'IA et opérationnels plutôt qu'un seul projet.
- Solide expérience des plateformes de données d'entreprise modernes telles que Databricks, Snowflake, les services de données Azure, ou des technologies cloud/de données comparables.
- Capacité avérée à diriger des solutions tout au long du cycle de vie, de la découverte commerciale, de la définition des exigences et de l'exploration des données à l'architecture, à l'implémentation, au déploiement en production, à la surveillance, à l'optimisation et au support continu.
- Capacité démontrée à travailler efficacement dans des environnements de données complexes et ambigus impliquant plusieurs systèmes sources, des exigences évolutives, des problèmes de qualité des données, des contraintes d'intégration et des besoins commerciaux concurrents.
- Forte capacité à collaborer avec les équipes commerciales, de science des données, d'ingénierie IA, d'analyse, d'architecture d'entreprise, d'applications et de plateformes pour traduire les besoins commerciaux en solutions techniques évolutives et pratiques.
- Expérience dans la fourniture de leadership technique, y compris des conseils architecturaux, des revues de conception, des normes d'ingénierie, des décisions de compromis de solution, du mentorat et du coaching d'ingénieurs et d'autres contributeurs techniques.
- Compréhension démontrée des fondations d'ingénierie et d'architecture de données nécessaires pour permettre l'analyse avancée, le machine learning, le GenAI et d'autres solutions basées sur l'IA, tout en maintenant des normes appropriées en matière de qualité des données, de gouvernance, de sécurité, d'évolutivité, de réutilisation, de performance et de coût.
Compétences clés préférées
- Expérience dans la conception de modèles de données analytiques, opérationnels ou de domaine à l'échelle de l'entreprise couvrant plusieurs fonctions commerciales et systèmes sources de fabrication et de chaîne d'approvisionnement.
- Expérience dans la mise en œuvre de pipelines pilotés par les métadonnées, de frameworks d'ingestion réutilisables, de capacités d'auto-service de données, de gouvernance des données, de lignage, d'observabilité ou de modèles de produits de données réutilisables.
- Expérience des architectures de données et des modèles d'ingénierie prenant en charge les solutions GenAI et RAG, y compris l'ingestion et le traitement de documents, les embeddings, la recherche vectorielle/les bases de données vectorielles, les modèles sémantiques, les graphes de connaissances, les ontologies ou les pipelines de récupération.
- Expérience de travail avec des technologies et des sources de données de fabrication et de chaîne d'approvisionnement telles que ERP/MRP, MES, PLM, WMS, TMS, systèmes de planification, systèmes d'ingénierie, ou plateformes IoT/produits connectés.
- Capacité démontrée à équilibrer la livraison commerciale à court terme avec l'architecture à long terme, l'évolutivité, la réutilisation, la gouvernance, l'optimisation des coûts et la dette technique.
- Les certifications pertinentes Databricks, Snowflake, Azure, AWS, GCP ou comparables de plateformes de données sont un plus ; l'expérience de production démontrée et la profondeur technique sont valorisées plus fortement que la seule certification.
