• Design and implement the long-term data architecture using modern technologies and frameworks. • Build and maintain scalable ETL/ELT pipelines in Python, SQL, and dbt—ingesting data via APIs, web scraping, and streaming sources. • Develop and operate data pipelines using orchestration frameworks such as Temporal and Dagster. • Design data models and schemas for our cloud warehouse (Databricks) and relational databases; contribute to the development of our ML feature store. • Optimize workflows for performance and cost efficiency. • Drive large, cross-functional data initiatives from planning to execution. • Partner with AI and engineering teams to ensure high-quality datasets for machine learning and analytics. • Collaborate with product managers, scientists, and engineers to gather requirements and deliver robust data products. • Mentor other engineers in best practices for data ingestion, architecture, and scalable pipeline design. • Support the software testing cycle, debug code, and resolve issues found during QA or user acceptance testing.

• Design and oversee key forward- and reverse-ETL patterns to deliver data to relevant stakeholders. • Develop scalable patterns in the transformation layer to ensure repeatable integrations with BI tools across various business verticals. • Expand and maintain the Alpaca Data Lakehouse architecture's constantly evolving elements. • Collaborate closely with sales, marketing, product, and operations teams to address key data flow needs. • Operate the system and manage production issues in a timely manner.

• Design, build, and maintain scalable and reliable data pipelines to support analytics, ML models, and business reporting. • Collaborate with data scientists and analysts to ensure data is available, clean, and optimized for downstream use. • Implement data quality checks, monitoring, and validation processes. • Work with cross-functional teams to design efficient ETL/ELT workflows using modern data tools. • Integrate data from multiple sources (databases, APIs, third-party tools) into centralized storage solutions (data lakes/warehouses). • Support cloud-based infrastructure for data storage and retrieval. • Monitor, troubleshoot, and optimize existing data pipelines to handle large-scale, real-time data flows. • Implement best practices for query optimization and cost-efficient data storage. • Ensure data is available and accessible for business-critical operations. • Partner with product, engineering, and business stakeholders to understand data requirements. • Document data workflows, schemas, and best practices. • Support a culture of data reliability, governance, and security.

• konsultowanie rozwiązań z klientami - zarówno obecnymi, jak i nowymi. Doradzanie w wyborze rozwiązania technicznego adekwatnego do problemu biznesowego klienta. Dążenie do wyboru rozwiązania, które jest optymalne kosztowo i odpowiada na potrzebę rozwiązującą problem klienta. • udział w spotkaniach z klientem na wczesnym etapie - pitch naszego doświadczenia, procesu, podejścia do technologii, dopytywanie, zbieranie/doszczegóławianie wymagań; • tworzenie wkładu merytorycznego do ofert - schemat proponowanej architektury, wyliczenia Total Cost of Ownership/Return of Investment/kosztów chmury za pomocą kalkulatorów dostawcy chmury; • estymowanie projektu/wyceny zaangażowania przedstawicieli DS w projekcie; • budowanie argumentów przekonujących klienta do naszego rozwiązania, pokazywanie przewag w stosunku do innego podejścia, • udział w spotkaniach prezentujących ofertę, odpowiadanie na pytania klienta, prezentowanie oferty, za którą stoi nasz fragment rozwiązania, • prace badawczo-rozwojowe w zakresie analizy funkcjonalności i przydatności nowych technologii i narzędzi w rozwiązaniach biznesowych klienta, • regularny kontakt z osobami decyzyjnymi w obszarze Data po stronie klienta (VP, IT Director), • tworzenie PoC w obszarze Data w celu zaprezentowania wyników prowadzonych prac R&D, • projektowanie i tworzenie całości platformy przetwarzania danych uwzględniając wszystkie jej części oraz powiązania z pozostałymi rozwiązaniami (przykładowo BI i ML) z uwzględnieniem ekosystemu chmurowego, • optymalizowanie całościowych rozwiązań/systemów przechowywania i analizy danych, • utrzymywanie relacji z zespołem technicznym po stronie klienta, • koordynowanie pracy inżynierów zaangażowanych w tworzenie rozwiązania, • nadzorowanie przebiegu całego projektu, od początku do końca, • zaangażowanie w rozwój linii biznesowej Data Solutions (pozyskiwanie pracowników, klientów, szkolenia, udział w konferencjach, mentoring itp.).