Analytics Engineer

Analytics Engineer

Full Time 75000 € / año Híbrido
Team

De un vistazo

  • Tareas: Transforma datos en conjuntos listos para análisis y construye modelos semánticos.
  • Empresa: team.blue, un líder digital que empodera a empresas en Europa.
  • Beneficios: Salario competitivo, ambiente inclusivo y oportunidades de crecimiento profesional.
  • Otra información: Ambiente dinámico con un fuerte enfoque en la diversidad y sostenibilidad.
  • Por qué este empleo: Únete a un equipo innovador y marca la diferencia en el mundo digital.
  • Cualificaciones: Experiencia en ingeniería de datos y habilidades analíticas sólidas.

Our Business team. blue is an ecosystem of successful brands working together across regions to provide customers with everything they need to succeed online. 60+ successful brands make up the group, with a team of more than 3,000 experts serving 3.5 million customers across Europe and beyond.

Our Business team. blue is an ecosystem of successful brands working together across regions to provide customers with everything they need to succeed online. 60+ successful brands make up the group, with a team of more than 3,000 experts serving 3.5 million customers across Europe and beyond. team. blue’s brands span traditional hosting businesses — offering domain names, email, shared hosting, e-commerce and server solutions — as well as specialist Saa S providers offering compliance, marketing tools and team collaboration products.

This broad portfolio makes team. blue a one-stop partner for online businesses and entrepreneurs across Europe.

  • Position Overview
  • We are looking for an experienced and autonomous

Analytics Engineer to join our AI & Data function.

This role sits at the critical intersection between our Data Management team (responsible for ingesting raw data into our Databricks-based data platform) and our Analytics team (responsible for insights and reporting).

You will take raw data, at various stages of conforming, and transform it into trusted, analytics-ready datasets — building KPIs, semantic models, and data products that feed our presentation and reporting layers.

Working across a wide variety of data domains (marketing, product usage, customer care, revenue, and more), you will need to be intellectually curious, self-directed, and proactive: comfortable exploring unfamiliar data landscapes with limited guidance, engaging business partners to understand what the data really means, and making sound judgement calls independently.

We need someone we can trust to pick up a new data domain, figure it out, and deliver at pace.

Reporting to the Director of Analytics, you will work closely with data engineers, analytics engineers, and business stakeholders across the group.

Where you sit in the team

The Data function is structured around three layers

  • Data Management: Ingests raw data from all sources into the Databricks platform. Owns the bronze/raw layer.
  • Analytics Engineering → YOU: Takes raw data, conforms and transforms it, builds KPI definitions and semantic models, and delivers reliable data products to the presentation layer.
  • Analytics & Insights: Consumes the analytics-ready data to produce dashboards, reports and strategic insights for the business.

Key responsibilities

  • Data Transformation & Modelling
  • Design and build robust dbt models on Databricks that transform raw, ingested data into clean, conformed, and analytics-ready datasets.
  • Define and implement KPI logic in collaboration with business and analytics stakeholders, ensuring consistent definitions across domains.
  • Maintain and evolve the semantic/presentation layer, ensuring data products are reliable, tested, documented, and performant.
  • Apply software engineering best practices to analytics code: version control, testing, CI/CD, and documentation.
  • Cross-Domain Data Exploration
  • Independently onboard new data domains (e. g. marketing attribution, product usage, customer care, subscription data) with limited guidance — exploring the data, understanding its structure and meaning, and deciding how to best model it.
  • Proactively engage business partners and domain owners to understand context, validate assumptions, and align on KPI definitions.
  • Identify data quality issues early and work with the Data Management team to resolve them at source.
  • Collaboration & Enablement
  • Act as the connective tissue between data engineers and analysts: translating analytical needs into engineering tasks, and surfacing data realities back to the business.
  • Work with the Analytics team to ensure the presentation layer meets reporting and self-service needs.
  • Contribute to data governance: naming conventions, lineage documentation, and model cataloguing.
  • Support the broader team in extending analytics coverage to new brands and domains over time.

Required Experience/skills

  • 5+ years of experience in analytics engineering, data engineering, or a closely related data role.
  • Strong, hands‑on proficiency with dbt (dbt Core or dbt Cloud) — this is a core requirement.
  • Experience working on Databricks (or a comparable cloud data platform such as Snowflake or Big Query).
  • Solid understanding of dimensional modelling, data vault, or similar data warehousing patterns.
  • SQL excellence: complex transformations, window functions, query optimisation.
  • Proven ability to work autonomously across multiple data domains simultaneously, figuring out unfamiliar data with limited documentation.
  • Strong analytical mindset: able to interrogate data critically, spot anomalies, and validate logic end‑to‑end.
  • Excellent communication skills — comfortable talking directly with business stakeholders to elicit requirements and explain data concepts.
  • Experience working across diverse data domains (e. g. marketing, product analytics, customer care, financial/subscription data).

Nice to Have

  • Familiarity with Saa S GTM tooling and metrics — e. g. Amplitude, Hub Spot, or similar marketing and product analytics platforms.
  • Experience with Python for data transformation or pipeline orchestration.
  • Exposure to BI/visualisation layers (e. g. Looker, Tableau, Power BI) and how they consume semantic models.
  • Experience in a multi‑brand or portfolio company context.
  • Background in a consulting or contractor capacity: comfortable delivering impact quickly in complex environments.
  • Right to Work

At any stage, please be prepared to provide proof of eligibility to work in the country you’re applying for.

Unfortunately, we are unable to support relocation packages or sponsorship visas.

"Come as you are"

Everyone is welcome here.

Diversity & Inclusion are at our core.

Far above any technical competence, we value respect, openness, and trusted collaboration.

We do not tolerate intolerance.

ESG

"At team. blue, our commitment to caring for the environment and each other is at the heart of everything we do.

Our latest impact report showcases our ongoing ESG efforts and ambitious sustainability goals.

Interested in learning more about our dedication to making a positive impact?

Check it out here."

The most trusted digital enabler team. blue is a leading digital enabler for companies and entrepreneurs.

It serves over 3.3 million customers in Europe and has more than 3,000 experts to support them.

Its goal is to shape technology and to empower businesses with innovative digital services.

Analytics Engineer empresa: Team

Team ofrece un entorno de trabajo colaborativo y dinámico, donde los empleados pueden crecer profesionalmente en el sector de servicios digitales. La empresa valora la formación continua y proporciona oportunidades para desarrollar habilidades en atención al cliente y soluciones tecnológicas. Además, formar parte de un ecosistema de más de 60 marcas permite a los empleados acceder a una amplia gama de recursos y conocimientos.

Team

Datos de contacto:

Equipo de selección de Team

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Analytics Engineer

✨Conéctate a Comunidades de Ciencia de Datos

Participa en foros y comunidades online como Kaggle o GitHub, donde puedes compartir proyectos de ciencia de datos y mostrar tus habilidades. Esto no solo te ayuda a aprender más, sino que también te da visibilidad ante reclutadores que están buscando talento.

✨Asiste a Meetups y Conferencias

Las conferencias de ciencia de datos y los meetups locales son una excelente manera de conocer a personas en la industria. Intenta asistir a eventos como PyData o Data Science Meetups en tu ciudad; así podrás establecer conexiones importantes y enterarte de oportunidades laborales como la de Analytics Engineer en Team.

✨Demuestra tus Habilidades con Proyectos Personales

Crea un portafolio en línea donde puedas presentar proyectos realizados por ti. Asegúrate de incluir muestras de tu trabajo en Python, R, o cualquier otra herramienta que domines. Esto hará que te destaques cuando postules a Analytics Engineer en Team.

✨Conéctate con Profesionales en LinkedIn

Haz uso de LinkedIn para seguir a empresas de ciencia de datos y conectar con quienes trabajan en ellas. Este tipo de estrategia puede abrirte puertas, ya que muchos reclutadores revisan perfiles antes de decidir a quién invitar a entrevistas para roles como Analytics Engineer.

Creemos que necesitas estas habilidades para triunfar como Analytics Engineer

Python
Data Engineering
SQL
Communication Skills
Problem-Solving Skills
Data Quality Assurance
Data Governance

Algunos consejos para tu solicitud 🫡

Destaca tus habilidades técnicas:En el mundo de la ciencia de datos, es fundamental que tu CV incluya herramientas y lenguajes de programación específicos. No te olvides de mencionar tus conocimientos en Python, R o SQL, y cualquier experiencia relevante con bibliotecas como Pandas o TensorFlow. ¡Esto le dará un gran empujón a tu perfil ante Team!

Proyectos y experiencias prácticas:Además de tu formación académica, es clave incluir proyectos anteriores donde hayas aplicado tus habilidades en ciencia de datos. Asegúrate de mencionar cualquier trabajo que hayas hecho, ya sea en la universidad o de manera independiente. Esto demuestra tu capacidad para resolver problemas reales y tu motivación para aprender en un entorno profesional.

Céntrate en resultados cuantificados:En tu carta de presentación y CV, incluye logros que puedas cuantificar. Por ejemplo, si has dirigido un proyecto que mejoró la eficiencia en un XX%, esto no solo impresiona, sino que demuestra tu capacidad para generar resultados concretos. Esto es especialmente atractivo para un puesto a tiempo completo en Team.

Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para Team. Comenta por qué te apasiona la ciencia de datos y cómo encajas en la misión de la empresa. Aunque el CV es importante, una carta que muestre tu motivación y visión puede hacer la diferencia.

Cómo prepararte para una entrevista de trabajo en Team

✨Prep para preguntas técnicas de datos

Sabemos que en el campo de la ciencia de datos es común que te hagan preguntas técnicas. Prepárate para discutir tus conocimientos en estadística, análisis de datos y programación en Python o R. Además, asegúrate de poder explicar tus proyectos anteriores y el proceso detrás de ellos, ¡es vital que muestres tu pensamiento crítico!

✨Demuestra tus habilidades con un portfolio impactante

Tener un portfolio que muestre tus proyectos de ciencia de datos es esencial. Asegúrate de incluir ejemplos de análisis complejos, visualización de datos e incluso modelos predictivos que hayas desarrollado. ¡Esto no solo muestra tu competencia técnica, sino que también puede dar pie a una conversación más profunda durante la entrevista!

✨Prepárate para discutir casos de uso de datos

En una entrevista para un puesto de ciencia de datos, a menudo te preguntarán sobre estudios de caso o situaciones del mundo real. Practica cómo explicar cómo aplicarías técnicas de análisis para resolver problemas específicos que podrían enfrentar en Team. Esto demuestra que entiendes la aplicabilidad de tus habilidades.

✨Muestra tu entusiasmo y curiosidad

Como candidato a un puesto a tiempo completo, es crucial que muestres tu pasión por la ciencia de datos y tu deseo de aprender. Comparte tus intereses en las últimas tendencias de la IA o el machine learning, y menciona proyectos futuros que te gustaría explorar. Esto puede hacer que te destaques entre otros candidatos.