Eneba cerca una figura di data engineering per la squadra Data, che ha la missione di dare all'azienda una base dati solida su cui prendere decisioni. È una squadra che mette insieme specialisti di machine learning, analisti e data engineer, al servizio di un marketplace con quasi venti milioni di utenti attivi.

Ruolo
Ti occuperai di rendere l'accesso ai dati efficiente creando e mantenendo le pipeline, e collaborerai con gli ML engineer per progettare e mantenere l'automazione dell'addestramento dei modelli, della valutazione della qualità e del processo di rilascio. Costruirai l'infrastruttura dati a partire da grandi volumi, a supporto di analisi, verifica di ipotesi e metriche aziendali. Individuerai, progetterai e implementerai miglioramenti ai processi interni per ottimizzare la consegna dei dati e automatizzare le attività manuali, e farai evolvere i pattern con cui vengono costruiti i modelli di dati. Servono almeno cinque anni di esperienza in data engineering o in ruoli analoghi, esperienza estesa di elaborazione dati su larga scala e una conoscenza solida di SQL per interrogare e gestire database relazionali. Sono un vantaggio significativo la familiarità con piattaforme dati cloud e l'esperienza con ambienti Kubernetes.

Tecnologie
Apache Spark con Python per l'elaborazione su larga scala, Databricks o piattaforme equivalenti come Snowflake, AWS o Azure e altre piattaforme Kubernetes, Git per il version control e SQL.

Informazioni su Eneba

Eneba è un marketplace digitale dedicato al mondo dei videogiochi, dove si acquistano e si rivendono chiavi di gioco, contenuti scaricabili, abbonamenti alle piattaforme e carte prepagate. Fondata in Lituania, con base a Kaunas, l'azienda è cresciuta in pochi anni fino a servire quasi venti milioni di utenti attivi, costruendo un ambiente che punta su apertura, sicurezza delle transazioni e accessibilità dei prezzi in mercati dove i contenuti digitali costano spesso molto più del dovuto. Il modello è quello di una piattaforma a due lati: da un lato i venditori, dall'altro una comunità di giocatori in continua espansione, con tutto quello che ne consegue in termini di prevenzione delle frodi, gestione dei pagamenti e affidabilità del sistema.

Dietro il prodotto c'è un'architettura tecnica sostanziosa: oltre cento microservizi scritti principalmente in PHP con Symfony, con Go dove servono velocità ed efficienza, GraphQL come metodo di comunicazione sia fra servizi sia verso il frontend, pattern come CQRS e orchestrazione tramite saga e Temporal, il tutto su Kubernetes in AWS con Terraform e più di cinquanta deploy al giorno. Accanto alle squadre di prodotto lavora un reparto dati con analisti, data engineer e specialisti di machine learning, che costruisce pipeline e modelli a supporto delle decisioni aziendali. L'organizzazione è distribuita, con libertà sulla scelta del luogo di lavoro, pochi livelli di approvazione e un ritmo di sperimentazione elevato: un contesto adatto a chi vuole lavorare su volumi reali e su un prodotto tecnicamente esigente.

Visita il sito web →