Data Engineer Amsterdam

• 3+ jaar ervaring in data engineering of software engineering
• Professionele ervaring met het bouwen van ETL-processen, batch-pipelines of analytische dataoplossingen
• Sterke programmeervaardigheden in Python en/of Scala
• Ervaring met workflow-orchestratie, zoals Airflow
• Kennis van analytische databases, datamodellering en query-optimalisatie
• De drive om te begrijpen hoe technologie onder de abstractielaag werkt
• Professionele beheersing van het Engels
• Ervaring met Kafka, Kubernetes, dbt, data-quality tooling of ML-datavoorbereiding is een pre

• Salaris tot €80.000 bruto per jaar, op basis van ervaring en impact
• De invloed van een platform dat tientallen miljoenen mensen bereikt
• Veel vrijheid om ideeën in te brengen en de data-architectuur te verbeteren
• Flexibele werktijden en 2 thuiswerkdagen
• 25 vakantiedagen
• Pensioenregeling en reiskostenvergoeding
• MacBook of laptop naar keuze
• Opleidingsbudget van €1.500 per twee jaar
• Dagelijks ontbijt en vers bereide lunch
• Regelmatig events en vrijdagmiddagborrels in een van de leukste kantoren van Amsterdam

• Werk jij graag met open-source datatechnologie en wil je begrijpen wat er onder de abstractielagen gebeurt?
• Wil je de performance, architectuur, kosten en datakwaliteit optimaliseren van een platform dat tientallen miljoenen mensen bereikt?
• Zoek je de technische schaal van een groot platform met de invloed van een middelgroot bedrijf, waar je ideeën kunt inbrengen zonder eindeloze beslissingslagen?
• En zeg jij ja tegen een salaris tot €80.000, flexibele werktijden, hybride werken vanuit een van de leukste kantoren van Amsterdam met veel events?

Klinkt dit als iets voor jou? Lees dan verder.

Je komt terecht bij een middelgroot, internationaal opererend technologiebedrijf in Amsterdam dat een digitale beleving bouwt rond een van de grootste passies binnen entertainment. Het platform bereikt wereldwijd tientallen miljoenen mensen, waardoor je de technische schaal en impact van een veel grotere organisatie hebt, terwijl je werkt op een plek die klein genoeg is om echt invloed te hebben op hoe dingen worden gebouwd.

Achter die wereldwijde beleving zit een modern dataplatform. Gedrags- en productdata moet verwerkt, verrijkt en getransformeerd worden, recommendation-modellen hebben betrouwbare input nodig, en teams door het hele bedrijf leunen op data die ze kunnen vertrouwen. Omdat de organisatie vooral met open-source technologie werkt en de eigen architectuur in beheer houdt, zit je niet vast aan het aan elkaar klikken van managed cloud-services: je duikt in hoe systemen echt werken en verbetert ze.

De cultuur is open, informeel en sociaal, in een internationale omgeving met meer dan twintig nationaliteiten en Engels als voertaal. Er is veel vrijheid, flexibele werktijden en weinig micromanagement. Door de aard van het bedrijf zijn er veel bedrijfsevents, feesten en andere sociale activiteiten.

Als Data Engineer Amsterdam kom je in een backendteam van zes engineers en help je het bestaande dataplatform naar een volgend technisch niveau te tillen. Doordat het team compact is, verdwijnt je werk niet in een grote afdeling: een verbetering aan een pipeline, query of datamodel gaat snel live en heeft zichtbaar effect door de hele organisatie.

Je focus ligt op het bouwen en het verbeteren van ETL-processen, Airflow-pipelines, analytische datamodellen en production data services, en op het sneller, betrouwbaarder en kostenefficiënter maken van het platform via betere query-performance, storage, transformaties en architectuur. Het platform draait al op een moderne stack, dus je besteedt je tijd aan optimalisatie en nieuwe ideeën in plaats van aan het herbouwen van een verouderd datawarehouse. Je werkt nauw samen met de machine-learning engineers achter personalisatie en aanbevelingen, en zet ruwe data om in betrouwbare datasets, features en data marts. Omdat het platform tientallen miljoenen mensen bereikt, verbetert betere data niet alleen een intern rapport, maar direct hoe een wereldwijd publiek het product ervaart.

De stack bestaat uit Python, Airflow, analytische databases, Kafka, Docker, Kubernetes en GCP, met het meeste werk in Python en Scala in mindere mate. Je hoeft niet elke technologie op dag één te beheersen; wat telt is dat je de fundamenten achter analytische databases, datapipelines en distributed systems begrijpt en de afwegingen die je maakt kunt uitleggen.