In sintesi
- Mansioni: Definisci e gestisci l'architettura dei dati aziendali e guida iniziative di governance.
- Azienda: Azienda innovativa nel settore della tecnologia con un forte focus sui dati.
- Benefit: Retribuzione competitiva, benefit sanitari e opportunità di crescita professionale.
- Altre informazioni: Ambiente dinamico con opportunità di carriera eccellenti.
- Perché questo lavoro: Fai la differenza nella gestione dei dati e nell'analisi strategica.
- Qualifiche: Esperienza in architettura dei dati e governance, preferibilmente in ambienti SAP.
La retribuzione prevista è compresa tra 120000 - 160000 € per anno.
Responsibilities
- Define, maintain, and evolve the Enterprise Data Architecture blueprint, including core enterprise data domains (Customer, Product/Material, Vendor, Pricing, Finance, Trade Compliance)
- Conceptual and logical enterprise data models
- Canonical data definitions and semantics
- Act as Design Authority for all data‑related initiatives, ensuring alignment with enterprise architecture principles
- Define and enforce enterprise data standards (modeling, naming, semantics, integration)
- Collaborate closely with Enterprise, Solution, and Integration Architects
- Own the enterprise Master Data Management (MDM) strategy and execution roadmap
- Define domain prioritization (e. g. Customer, Product/Material) and rollout phases
- Establish golden record, survivorship, hierarchy, and relationship‑management rules
- Lead the design and implementation governance of the selected MDM platform
- Oversee data migration, cleansing, and harmonization activities linked to MDM adoption
- Establish and run the Enterprise Data Governance operating model, including data ownership and stewardship framework
- Governance forums, decision bodies, and escalation mechanisms
- Define and monitor enterprise data quality rules and KPIs (completeness, accuracy, uniqueness, timeliness)
- Implement structured data issue management and remediation processes
- Ensure data lineage, traceability, and auditability for critical business and regulatory data
- Define and maintain System‑of‑Record (So R) / System‑of‑Engagement (So E) principles across SAP (ERP, BW, GTS, Concur), Salesforce CRM, MES systems (e. g.
Promis, Critical Manufacturing), Quoting and pricing platforms, Finance, Treasury, AP automation, and EDI solutions
- Resolve data ownership conflicts and duplication at enterprise level
- Ensure consistent and governed data synchronization patterns across systems
- Define enterprise canonical data models and data contracts for cross‑system integrations
- Govern data flows implemented via SAP BTP, Mule Soft, and EDI platforms
- Define integration patterns (API, event‑driven, batch, EDI) from a data semantics, integrity, and lifecycle standpoint
- Ensure interface versioning discipline and backward compatibility
- Ensure conformed dimensions and consistent master data usage across analytics and planning platforms (e. g. SAP BW)
- Align enterprise data definitions with KPIs, reporting, and planning use cases
- Prevent multiple and conflicting versions of enterprise truth
- Translate architectural and governance decisions into executable implementation backlogs
- Review technical designs and ensure adherence to enterprise standards
- Coordinate delivery with internal teams and external partners
Requirements
- Bachelor’s or Master’s degree in Computer Science, Information Systems, Engineering, or a related field
- 10+ years of experience in Enterprise Data Architecture, Data Governance, or related roles
- Demonstrated experience in SAP‑centric enterprise landscapes integrated with multiple non‑SAP platforms
- Proven experience designing and governing Master Data Management solutions
- Strong background in enterprise integration concepts and data exchange patterns
- Experience operating in complex, global, and regulated environments
- Enterprise data modeling (conceptual, logical, canonical)
- Data governance frameworks and stewardship models
- Master data and reference data management
- Data quality frameworks, metrics, and lifecycle management
- Integration data semantics (API‑led, event‑driven, batch, EDI)
- Solid understanding of SAP data concepts (Business Partner, Material, Finance, Pricing, BOMs, Routings)
- Strong stakeholder management, facilitation, and decision‑making skills
- Clear and structured documentation and communication
- Manufacturing and MES data architecture
- Quote‑to‑Cash and pricing data domains
- Trade compliance and regulatory master data (e. g. export control, classification)
- Analytics and planning data architecture
- Experience leading small technical or architecture teams
- Delivery focused with previous experience on at least one major data lake transition
- Enterprise data ownership and governance model formally established and adopted
- Measurable improvement in master data quality and reduction in duplicates
- Successful MDM/MDG rollout for prioritized domains
- Stable, reusable, and well‑governed data integration patterns
- Improved auditability, compliance, and reporting consistency
- #J-18808-Ljbffr
Head of Data Engineering & Analytics datore di lavoro: Jobtailor
Lavorare come Head of Data Engineering & Analytics in questa azienda significa entrare a far parte di un ambiente stimolante e innovativo, dove la cultura del lavoro è incentrata sulla collaborazione e sulla crescita professionale. Offriamo opportunità di sviluppo continuo, un pacchetto di benefici competitivo e un forte impegno per la governance dei dati, il che rende questo ruolo non solo significativo ma anche gratificante. La nostra sede, situata in una posizione strategica, favorisce un equilibrio tra vita lavorativa e personale, rendendo l'esperienza lavorativa ancora più appagante.
Consigli degli esperti StudySmarter🤫
Ecco come pensiamo che potresti ottenere Head of Data Engineering & Analytics
✨Sfrutta i Meetups di Data Science
Partecipare a meetups e conferenze di data science è un must! Questi eventi sono un ottimo modo per connettersi con esperti del settore e altre persone in cerca di lavoro. Non vergognarti di farti avanti e parlare con i relatori: potrebbe aprirti porte inaspettate.
✨Progetti Open Source per Farsi Notare
Contribuire a progetti open source è una fantastica opportunità per mostrare le tue competenze pratiche. Non solo aiuta a costruire il tuo portfolio, ma ti consente anche di lavorare con tecnologie che potrebbero essere ricercate dalla tua futura azienda. Cerca progetti su GitHub legati a data science e mettiti in gioco!
✨Unisciti a Comunità Online
Entrare a far parte di comunità online come Kaggle o forum di data science può essere un grande vantaggio. Non solo puoi partecipare a competizioni e migliorare le tue abilità, ma puoi anche costruire una rete con altri professionisti del settore. Queste connessioni possono rivelarsi preziose quando cerchi un lavoro a tempo pieno.
✨Candidati Direttamente su Jobtailor
Non dimenticare di candidarti direttamente sul sito di Jobtailor! Spesso le aziende preferiscono ricevere applicazioni tramite il loro portale, quindi assicurati di seguire le istruzioni specifiche. Un’applicazione diretta può darti un vantaggio rispetto a chi usa canali più generali.
Pensiamo che ti servano queste competenze per eccellere come Head of Data Engineering & Analytics
Alcuni consigli per la tua candidatura 🫡
Evidenzia le tue competenze tecniche:Nel campo della data science, è fondamentale mostrare le tue competenze tecniche. Assicurati di includere nel tuo CV le lingue di programmazione che conosci, come Python o R, e i tool che hai utilizzato, come TensorFlow o scikit-learn. Non dimenticare di far vedere i tuoi progetti o le tue analisi precedenti, magari con link a GitHub o portafogli di lavoro!
Scrivi una lettera motivazionale convincente:Per un ruolo full-time in data science, la lettera motivazionale è la tua occasione per far trasparire la tua passione per i dati e la tua voglia di contribuire al lavoro di Jobtailor. Spiega perché sei interessato a questo specifico ruolo e come le tue esperienze passate ti rendono il candidato ideale. Non essere timido: condividi le tue ambizioni e la tua visione per il futuro!
Includi risultati quantificabili:Quando parli delle tue esperienze lavorative precedenti, cerca di includere risultati quantificabili che dimostrino il tuo impatto. Ad esempio, puoi dire che hai aumentato l'efficienza di un'analisi del 20% o che hai contribuito a un progetto che ha portato a un aumento del fatturato del 15%. Metriche del genere catturano sempre l'attenzione dei recruiter!
Mostra il tuo approccio alla risoluzione dei problemi:La data science è tutta una questione di risolvere problemi complessi. Utilizza il tuo CV e la tua lettera motivazionale per descrivere come hai affrontato sfide specifiche in progetti precedenti. Ti consigliamo di includere un breve case study o un esempio pratico dei tuoi risultati per davvero colpire i selezionatori di Jobtailor. Mostra loro come pensi e come apprendi!
Come prepararti a un colloquio di lavoro presso Jobtailor
✨Brilla con il tuo Portafoglio
Porta con te un portfolio che mostri i tuoi progetti di data science. Includi studi di caso dettagliati e le tecniche che hai utilizzato, come l'analisi dei dati, il machine learning o la visualizzazione. In questo modo possiamo dimostrare concretamente il nostro problema-solving e le nostre competenze tecniche, che sono fondamentali in questo campo!
✨Preparati a Domande Tecniche
Aspettati domande tecniche in merito a statistica, machine learning e linguaggi di programmazione come Python o R. Potrebbero chiederti di spiegare modelli specifici o di analizzare un dataset sul momento. Rinfreschiamo insieme le nozioni di base e prepariamoci a dimostrare le nostre competenze pratiche.
✨Mostra la tua Curiosità
Le aziende cercano candidati che mostrino voglia di apprendere e crescita professionale. Durante l'intervista, parliamo delle tendenze attuali nel settore e dimostriamo il nostro interesse per l'innovazione nel campo della data science. Questo non solo ci farà apparire proattivi, ma metterà anche in evidenza la nostra motivazione.
✨Comunica Chiaramente i Tuoi Risultati
Essere bravi con i dati è fondamentale, ma sapere come comunicarli è altrettanto importante. Durante l'intervista, cerca di essere chiaro e conciso mentre parli dei tuoi risultati. Usa esempi specifici per dimostrare come le tue analisi abbiano avuto un impatto positivo in progetti passati. In questo modo possiamo evidenziare le nostre capacità comunicative, fondamentali per un ruolo a tempo pieno.
