Data engineer állások, munkák Pest megyében

Drive HR reporting and analytics: Design, develop, and continuously improve standard and ad-hoc HR reports and dashboards for a broad range of stakeholders, including senior management and the Executive Board....

Főbb feladata az adatok gyűjtése, feldolgozása és elemzése. Rendszeres és ad-hoc riportok készítése. Kimutatások, elemzések összeállítása a vezetőség számára. Társterületek támogatása elemzésekkel és adatszolgáltatással. Döntéshozatalt támogató információk előállítása....

• Üzleti igények elemzése
• Folyamatok tervezése az érintett területek bevonásával
• Üzleti követelmény specifikációk készítése
• Üzleti területek támogatása
• Kapcsolattartás az IT és üzleti területek között
• Üzleti tesztek koordinálása
• Teszt tervek készítése
• Projektekben való részvétel

Átfogó termék-önköltségszámítási keretrendszer kidolgozása: Standard költségek meghatározása, a gyártási folyamatok leképezése, valamint olyan jelentési és standard-tény variancia struktúrák kialakítása, amelyek érdemi betekintést nyújtanak a jövedelmezőségbe és a hatékonyságba....

• Ügyfelekkel közvetlen egyeztetés az igények felmérésére és az ügyfél oldali adatplatform célarchitektúrájának megtervezése Microsoft Fabric alapú megoldásokra fókuszálva
• Projekt-előkészítési és értékesítés-támogatási (presales) feladatok vezető szerepű ellátása

• Adatforrások integrálása a vállalat új Data Lakehouse platformján
• Adatbetöltési folyamatok fejlesztése a Data Lakehouse platformon
• Skálázható adatfeldolgozó folyamatok fejlesztése és optimalizálása
• Adattranszformációk fejlesztése és optimalizálása

• Designing, developing, and evaluating machine learning models on complex telecom and retail data
• Transforming high-volume datasets into production-ready solutions such as churn prediction models and point-of-sale fraud models

• Design and oversee end-to-end data solutions
• Act as the main link between business stakeholders and technical teams
• Develop high-level designs and blueprints for data ingestion, processing, and storage

• Translation of business challenges into practical, scalable AI-driven products
• Co-ownership of AI solution delivery with business stakeholders
• Leadership of entire product lifecycle from discovery to scaling

• Supporting business and marketing decisions with data-driven solutions
• Developing predictive models such as churn scoring to drive retention offers and product propensity scoring
• Translating business needs into actionable ML and AI solutions across marketing, customer care, and network operations