Data Engineer - QuantumBlack, AI by McKinsey in Pavia

Data Engineer - QuantumBlack, AI by McKinsey in Pavia

Pavia Full-Time 54000 - 66000 € / anno (stimato) Ibrido
McKinsey & Company

In sintesi

  • Mansioni: Costruisci infrastrutture dati per applicazioni AI e collabora con team multidisciplinari.
  • Azienda: QuantumBlack, AI by McKinsey, un ambiente innovativo e globale.
  • Benefit: Stipendio competitivo, pacchetto di benefici completo e cultura di apprendimento continuo.
  • Altre informazioni: Crescita professionale in un ambiente dinamico e collaborativo in oltre 65 paesi.
  • Perché questo lavoro: Contribuisci a capacità AI all'avanguardia e fai la differenza per i clienti.
  • Qualifiche: Laurea in Informatica/Ingegneria e esperienza in ruoli focalizzati sui dati.

La retribuzione prevista è compresa tra 54000 - 66000 € per anno.

Overview

In this role you will build foundational data infrastructure powering AI applications at scale.

You will design scalable data pipelines, manage secure data environments, and prepare data for AI-driven systems in collaboration with cross-functional teams.

You will contribute to next-generation AI capabilities and production-ready data components, accelerating AI adoption for clients.

You will grow as a technologist within a global, apprenticeship-driven culture that values curiosity and ethics.

  • Retribuzione / Benefits
  • competitive salary
  • comprehensive benefits package
  • continuous learning and apprenticeship culture
  • mentorship and coaching
  • global collaboration across 65+ countries
  • Responsabilità
  • Design and maintain scalable data pipelines for AI systems
  • Build robust data foundations and secure data environments
  • Collaborate with Data Scientists, ML Engineers, and clients to translate hypotheses into engineered features
  • Assess data landscapes and apply data quality fundamentals
  • Contribute to R&D initiatives for scaling next-gen AI capabilities
  • Work in cross-functional Agile teams and support client-facing technologist development
  • Learn and adapt to multiple tech stacks across industries
  • Requisiti fondamentali
  • Degree in Computer Science/Engineering, or equivalent experience
  • Experience in data-focused roles (internships, academic projects)
  • Proficiency in Python and SQL
  • Familiarity with data platforms (Databricks, Snowflake, Big Query, PSQL) and cloud platforms (AWS, Azure, GCP)
  • Exposure to data engineering in Agentic/Generative AI and ML contexts
  • Understanding of Dev Ops and MLOps/CI/CD concepts
  • Strong communication in English
  • Experience using coding agents (Cursor, Claude Code, Codex) is a plus
  • Ability to work autonomously in a complex environment
  • Strong communication
  • Time management
  • Adaptability
  • Python
  • SQL
  • Databricks

Data Engineer - QuantumBlack, AI by McKinsey in Pavia datore di lavoro: McKinsey & Company

Lavorare come Consultant nel Programma di Eccellenza Operativa offre un ambiente stimolante e ricco di opportunità per la crescita professionale. Con un forte focus sulla formazione continua, mentorship e una cultura etica, i dipendenti possono sviluppare le proprie competenze in un contesto internazionale, collaborando con colleghi provenienti da diverse esperienze. Inoltre, la possibilità di assegnazioni transfrontaliere in Europa arricchisce ulteriormente l'esperienza lavorativa, rendendo questa azienda un datore di lavoro eccezionale per chi cerca un impiego significativo e gratificante.

McKinsey & Company

Dettagli di contatto:

Team di recruiting di McKinsey & Company

Consigli degli esperti StudySmarter🤫

Ecco come pensiamo che potresti ottenere Data Engineer - QuantumBlack, AI by McKinsey in Pavia

✨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 McKinsey & Company

Non dimenticare di candidarti direttamente sul sito di McKinsey & Company! 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 Data Engineer - QuantumBlack, AI by McKinsey in Pavia

Python
SQL
Databricks
Snowflake
BigQuery
PSQL
AWS

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 McKinsey & Company. 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 McKinsey & Company. Mostra loro come pensi e come apprendi!

Come prepararti a un colloquio di lavoro presso McKinsey & Company

✨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.