Lead Fabric Data Engineer

Overview

In deze rol stuur je als Lead Fabric Data Engineer de realisatie en doorontwikkeling van moderne dataplatformen binnen het Microsoft Fabric-ecosysteem. Je bepaalt de technische koers, kiest architectuur en begeleidt collega’s bij best practices op data- en platformgebied. Je bouwt schaalbare data pipelines en vertaalt data- en AI-vraagstukken naar waarde voor business. Je fungeert als sparringpartner voor klanten en bewaakt kwaliteit en richting van het dataplatform.

Arbeidsvoorwaarden / Benefits

• salarisrange tussen 4.500,- en 6.500,- (40 uur)
• jaarlijkse bonusregeling
• lease auto of mobiliteitsvergoeding
• hybride werken
• thuiswerkvergoeding
• ruimte om jezelf te ontwikkelen

Verantwoordelijkheden

• Ontwerpen en doorontwikkelen van dataplatformen binnen Microsoft Fabric (OneLake, Lakehouses, analytics)
• Uitzetten van technische koers en architectuurkeuzes voor data- en platformontwikkeling
• Leiding geven en kennisdeling op het gebied van data-engineering en platformontwikkeling
• Ontwikkelen van schaalbare data pipelines met PySpark, SQL, Python en DBT
• Vertalen van complexe datavraagstukken naar toekomstbestendige oplossingen voor business en AI
• Samenwerken met klanten en stakeholders als inhoudelijke sparringpartner
• Bewaken van kwaliteit en richting van het dataplatform
• Werken aan projecten in zorg, overheid, finance, energie, mobiliteit, onderwijs en logistiek

Belangrijkste vereisten

• Minimaal 5 jaar relevante werkervaring als Data Specialist
• Diepgaande kennis van Data Engineering binnen Azure en Microsoft Fabric
• Ervaring met Python, PySpark en Spark
• Bij voorkeur ervaring met Databricks, Snowflake of Synapse
• Kennis van datamodellering (dimensionaal en logical modelling)
• Ervaring met moderne data-architecturen zoals Medallion en Data Mesh
• Inzicht in AI-kansen en vertaling naar concrete toepassingen
• Sterke communicatieve vaardigheden en vloeiende beheersing van het Nederlands

• Sterke communicatieve vaardigheden
• Klantgerichtheid
• Teamspeler
• Python
• PySpark
• Spark