Stellenbeschreibung

• Datenaufbereitung & -integration: Gemeinsam mit dem Team baust und pflegst du ETL-/ELT-Pipelines in Databricks und Azure. Außerdem stellst du stabile Verbindungen zu ERP- und Buchhaltungssystemen her und sorgst für hohe Datenqualität
• Datenanalyse & Visualisierung: Mit Python (Pandas, NumPy, PySpark) analysierst du große Datensätze
• Machine Learning & Predictive Analytics: Du wirkst an Konzeption, Umsetzung und Validierung von ML-Modellen mit (z. B. Zeitreihen, Klassifikation, Clustering) und bringst Modelle in die Anwendung – in Databricks-Notebooks oder via Azure ML Deployments
• Data Engineering & DataOps: Du hilfst beim Aufbau skalierbarer Datenarchitekturen, versionierst Code mit Git und unterstützt CI/CD-Abläufe, außerdem achtest auf Performance, Sicherheit und zuverlässige Prozesse in der Cloud
• Finance: Du arbeitest eng mit Finance und Controlling zusammen, verstehst Bedürfnisse und übersetzt sie in Datenlösungen
• Dokumentation & Wissensaustausch: Du hältst Erkenntnisse fest, bereitest Best Practices und Schulungsunterlagen auf und teilst Wissen im Team

• Du bist immatrikuliert in einem quantitativen Fach (z. B. Data Science, Mathematik, Wirtschaftsinformatik, Statistik).
• Du hast Erfahrung im Aufbau und Betrieb von ML-Pipelines – von Feature Engineering bis Modell-Monitoring und DataOps-Prinzipien
• Deine sehr gute Python-Skills (z. B. Pandas, PySpark, scikit-learn), Praxis mit Databricks und Azure-Services (Data Factory, SQL Data Warehouse, Azure ML) werden ergänzt durch einen sicheren Umgang mit SQL und NoSQL-Datenbanken.
• Du hast Freude an finanzwirtschaftlichen Zusammenhängen und möchtest Prozesse im Finanzbereich messbar verbessern
• Deutsch auf muttersprachlichem Niveau und sicheres Englisch in Wort und Schrift helfen dir im Arbeitsalltag