Lead Data Engineer - Mergers & Acquisitions — Roche

Descrizione completa

A Roche puoi apparire come te stesso, abbracciato per le qualità uniche che porti. La nostra cultura incoraggia l'espressione personale, il dialogo aperto e i legami genuini, dove siete valorizzati, accettati e rispettati per chi siete, permettendovi di prosperare sia personalmente che professionalmente. Questo è il modo in cui vogliamo prevenire, fermare e curare le malattie e garantire che tutti abbiano accesso alla salute oggi e per le generazioni a venire. Unisciti a Roche, dove ogni voce conta.

La posizione

Lead Data Engineer - Fusioni e acquisizioni

Informazioni sul nostro team: Partnering Digital Solutions

Unisciti al nostro team di Partnering Digital Solutions, un gruppo strategico focalizzato sulla massimizzazione dell'impatto del partenariato attraverso ecosistemi digitali e abilitati all'intelligenza artificiale per promuovere il business di Pharma e DIA Partnering. Siamo all'avanguardia nell'innovazione: la costruzione di infrastrutture dati scalabili, l'applicazione di pratiche di ingegneria dei dati avanzate e l'integrazione di capacità esterne all'avanguardia per accelerare il processo decisionale e sbloccare il valore aziendale. Il nostro lavoro si estende su più iniziative ad alto impatto, dallo sviluppo di prodotti di dati intelligenti per consentire flussi di lavoro AI end-to-end. Che si tratti di strutturare ecosistemi di dati complessi o di collaborare con istituzioni di ricerca esterne, questa è un'opportunità unica per contribuire a plasmare il futuro dei dati e dell'intelligenza artificiale a Roche sostenendo direttamente le decisioni strategiche chiave in tutta la nostra organizzazione globale Partnering.

responsabilità

Come Lead Data Engineer, si agirà come leader tecnico-progettare e costruire soluzioni di dati mentre guida le migliori pratiche ingegneristiche in tutto il team. Questo è un ruolo di giocatore-coach, dove si contribuirà attivamente allo sviluppo, mentre tutoraggio gli altri e la guida di consegna di alta qualità.

Sarai un membro cardine del nostro team, responsabile per

Responsabilità chiave

• Hands-on Data Engineering & Delivery:
• Progettazione, costruzione e mantenimento di datadotti scalabili per ingerire, trasformare e curare dati strutturati e non strutturati.
• Scrivere codice di qualità della produzione in SQL e Python e contribuire attivamente allo sviluppo quotidiano.
• Risoluzione dei problemi, ottimizzazione e miglioramento delle prestazioni dei flussi di lavoro e dei sistemi di dati.
• Leadership tecnica & Data Architecture ProprietÃ:
• Guidare per esempio attraverso contributi pratici a progetti critici.
• Fornire assistenza tecnica, recensioni di codici e mentorship ad altri ingegneri di dati.
• Guidare l'implementazione delle migliori pratiche in ingegneria dei dati, test e distribuzione.
• Progettazione e costruzione di linee di dati scalabili:
• Architetto, sviluppa e supervisiona lo sviluppo di condotte per ingerire, trasformare e curare dati strutturati e non strutturati da fonti interne ed esterne.
• Assicurare elevate prestazioni, scalabilità e affidabilità dei sistemi dati
• Data Profiling, Mapping & Standardization:
• Dati del profilo, identificare problemi di qualità e allineare i set di dati disparati. Definire i modelli di dati e i framework di standardizzazione per supportare i prodotti dati scalabili, riutilizzabili e pronti per AI/ML.
• Ingegneria dei dati e sviluppo API:
• Costruire e mantenere i prodotti e le API di dati riutilizzabili per supportare i casi di analisi e utilizzo di AI.
• Assicurarsi che le soluzioni siano ben documentate, sicure e scalabili.
• AI/ML Abilitazione:
• Lavorare a stretto contatto con gli scienziati dei dati per preparare e fornire set di dati di alta qualità per i casi di uso di ML e AI.
• Supporta le pipeline di dati per i flussi di lavoro basati su LLM e AI.
• Gestione dei metadati e gestione dei dati:
• pratiche di gestione dei dati campione, lignaggio e metadati
• Assicurare il rispetto delle norme di sicurezza e privacy dei dati aziendali.
• Quadri di monitoraggio ed eventi:
• Monitoraggio dell'esecuzione, allerta e quadro organizzativo per datadotti.
• Assicurare robustezza, osservanza e affidabilità dei sistemi di dati.
• Orchestrazione del contenitore e del flusso di lavoro:
• adozione di carichi di lavoro containerizzati e orchestrati (ad esempio Docker, Amazon EKS)
• Guida orchestrazione di flussi di lavoro complessi AI/data utilizzando strumenti moderni.
• Collaborazione e influenza interfunzionali
• Partner