devjobs.de

Data Analyst / Analytics Engineer

Mahr EDV GmbH · Hamburg, Berlin, Düsseldorf | Düsseldorf | Deutschland | Berlin | Hamburg · Hybrid, Onsite

Gehalt auf Anfrage

Gefunden am 05.06.2026

Match

84%

Fit in Skills, Kultur und Entwicklungspfad.

Beschreibung

Job Zusammenfassung In dieser Position entwickelst du ETL-/ELT-Prozesse und Daten-Pipelines, analysierst große Datensätze zur Identifikation von Trends und präsentierst Ergebnisse für fundierte Entscheidungen in den Fachabteilungen. Job Zusammenfassung In dieser Position entwickelst du ETL-/ELT-Prozesse und Daten-Pipelines, analysierst große Datensätze zur Identifikation von Trends und präsentierst Ergebnisse für fundierte Entscheidungen in den Fachabteilungen. Deine Rolle im Team Daten sind bei uns längst kein Nebenprodukt mehr, sondern Grundlage für strategische Entscheidungen, operatives Tagesgeschäft und zunehmend auch für KI-gestützte Anwendungen. Vereinheitlichung und Aufbereitung unserer Datenbestände über verschiedene Quellsysteme hinweg (Controlling, CRM, Ticketing, HR u. a.). Aufbau und Pflege von ETL-/ELT-Prozessen und Daten-Pipelines als zuverlässige Datengrundlage für Fachabteilungen und BI-Tools. Modellierung und Bereitstellung sauberer, dokumentierter Datensätze, mit denen Power BI, HubSpot und vergleichbare Tools effizient arbeiten können. Sicherstellung von Datenqualität, -konsistenz und -integrität (Stammdaten, Historisierung, Plausibilisierung). Eigenständige Analyse großer Datensätze zur Identifikation von Trends, Mustern und Anomalien. Enge Zusammenarbeit mit Fachabteilungen (Marketing, Sales, Finanzen, operatives Geschäft) zur Übersetzung fachlicher Fragestellungen in belastbare Datenmodelle und Auswertungen. Aufbereitung von Datensätzen, die als Grundlage für zukünftige KI-Use-Cases dienen können. Präsentation von Ergebnissen und Handlungsempfehlungen an Fachbereiche und Management. Unsere Erwartungen an dich Ausbildung Abgeschlossenes Studium in (Wirtschafts-)Informatik, Mathematik, Statistik oder vergleichbare Qualifikation. Qualifikationen Kenntnisse im Bereich Cloud-Datenplattformen (Azure, AWS oder GCP) wünschenswert. Verständnis für Datenqualität, Governance und Dokumentation. Analytisches Denkvermögen und hohe Affinität für Zahlen und Daten. Strukturierte, eigenständige und lösungsorientierte Arbeitsweise. Ausgeprägte Kommunikationsfähigkeit - Sie können komplexe Sachverhalte verständlich erklären und zwischen Fachbereich und Technik vermitteln. Teamgeist und Freude an interdisziplinärer Zusammenarbeit. Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift. Erfahrung Mindestens 2 Jahre Berufserfahrung als Data Analyst, Analytics Engineer, Data Engineer oder in einer vergleichbaren Position. Fundierte SQL-Kenntnisse sowie Erfahrung in Datenmodellierung (relational und/oder dimensional, z. B. Star-Schema). Praktische Erfahrung mit Datenaufbereitung, -transformation und Automatisierung. Erfahrung im Aufbau und Betrieb von ETL-/ELT-Pipelines. Sicherer Umgang mit gängigen BI-Tools (z. B. Power BI, Tableau, Looker) - mindestens als Konsument und Datenlieferant, idealerweise mit eigener Modellierungs-Erfahrung. Unser Angebot Ein abwechslungsreiches Aufgabengebiet mit immerzu neuen Herausforderungen. Komfortable Arbeitsbedingungen in einem modernen Bürogebäude in zentraler Lage (Düsseldorf und Hamburg) oder in einer zum Smart-Office modernisierten Villa (Berlin). Hybrides Arbeiten. Regelmäßige kostenlose Fortbildungen und Zertifizierungen bis zu 6.000 Euro/Jahr. Ein bewährtes Einarbeitungsverfahren. Einen gelebten Teamgeist. Benefits Work-Life-Integration 🏠 Home Office ⏰ Flexible Arbeitszeiten Themen mit denen du dich im Job beschäftigst Cloud Computing AI Metadaten Level: Erfahren Job Feld: Data Anstellung: Vollzeit Vertragsart: Unbefristetes Dienstverhältnis Arbeitsmodell: Hybrid, Onsite Unternehmenstyp: Etablierte Firma Branche: Internet, IT, Telekom Ort: Hamburg, Berlin, Düsseldorf | Düsseldorf | Deutschland | Berlin | Hamburg

Tech Stack

AWSAzureGCPSQL

Warum passt du zu dieser Stelle?

Fit technisch: Stark auf Backend und API-Architektur.

Gaps: Fehlende Tool-Erfahrung in 1-2 Schlüsselbereichen.

Success-Wahrscheinlichkeit: Hoch bei schneller Einarbeitung.