Senior Data Engineer

Wilayah: Amerika Serikat. Sumber lowongan: Jobicy. Lamar melalui halaman sumber.

Kandidat harus memiliki izin kerja resmi di Amerika Serikat. LendingTree dan afiliasinya (“LendingTree”) tidak akan menyediakan atau menanggung sponsor visa kerja untuk posisi ini, baik sekarang maupun di masa mendatang.

Peluang yang Ditawarkan

Sebagai seorang Data Engineer di LendingTree, Anda akan membangun pipeline, model, dan layanan data di balik pelaporan, analitik, dan data science di seluruh bisnis peminjaman dan asuransi kami. Anda akan menghadapi tantangan integrasi dan pemodelan yang kompleks, meningkatkan keandalan serta efisiensi biaya, dan menerapkan tools AI praktis untuk membantu tim menghadirkan solusi data yang lebih baik dengan lebih cepat.

Cara Anda Memberikan Dampak

• Membangun dan mengoperasikan pipeline batch dan real-time streaming yang skalabel, alur kerja ETL/ELT, dan aplikasi database di berbagai lini bisnis, dengan rencana yang jelas untuk perubahan skema, percobaan ulang (retries), dan pemulihan.

• Merancang model dimensional dan dataset yang dapat digunakan kembali untuk kebutuhan bisnis, analitik, dan data science. Melakukan analisis data yang kompleks untuk memvalidasi aturan bisnis, mengidentifikasi tren dan anomali, serta menemukan berbagai peluang.

• Bertanggung jawab atas keandalan dan efisiensi solusi data Anda: mengotomatiskan pemeriksaan kualitas, memantau tingkat kekinian data (freshness), mengoptimalkan performa dan biaya komputasi, serta berpartisipasi dalam rotasi on-call untuk menyelesaikan insiden dan mencegah terulangnya.

• Membuat kerangka kerja yang dapat digunakan kembali dan pola pengembangan yang meningkatkan kecepatan serta konsistensi pengiriman. Menerapkan pengujian otomatis, code review, dan deployment yang berulang; memelihara standar teknis, runbooks, and materi pembelajaran.

• Bermitra dengan pengguna bisnis dan tim engineering untuk memperjelas kebutuhan, menyelesaikan masalah, dan berkontribusi pada roadmap data engineering, termasuk kapabilitas platform, prioritas, trade-off teknis, dan estimasi pengiriman.

• Menerapkan tools AI pada pengembangan, pengujian, dokumentasi, dan troubleshooting. Memvalidasi kode dan hasil yang dihasilkan, melindungi data sensitif, dan menilai apakah tools tersebut meningkatkan kualitas serta mengurangi waktu pengiriman.

Dengan Siapa Anda Akan Bekerja

Anda akan bergabung dengan tim Data Engineering, bekerja bersama manajer Anda, sesama engineer, serta mitra di bidang analitik, data science, product, dan business operations di seluruh divisi Lending dan Insurance. Anda juga akan berkolaborasi dengan tim platform dan infrastruktur untuk mengelola dependensi, mendukung layanan produksi, dan mengubah prioritas bisnis menjadi solusi data yang praktis.

Apa yang Anda Bawa

• Pengalaman praktis 5+ tahun dalam data engineering, termasuk data warehousing, pengembangan ETL/ELT, dan analitik, dengan rekam jejak dalam menghadirkan dan mendukung solusi production.

• Kemampuan SQL tingkat lanjut, termasuk menulis, mengoptimalkan (tuning), dan melakukan debugging pada kueri yang kompleks serta menggunakan analisis data untuk menyelidiki masalah.

• Pengalaman merancang data lakes dan warehouses pada platform terdistribusi yang skalabel, dengan pemahaman tentang pola integrasi batch dan streaming.

• Kemampuan pemodelan dimensional yang kuat dan praktik data warehousing yang baik, termasuk mendefinisikan grain, tabel fakta dan dimensi, serta bagaimana perubahan historis direpresentasikan.

• Kemampuan untuk menyampaikan proyek dengan sedikit bimbingan dalam tim Agile, menggunakan pengujian, version control, dokumentasi, dan troubleshooting sistematis untuk membangun solusi yang mudah dipelihara.

• Keterampilan komunikasi tertulis, lisan, dan presentasi data yang jelas, termasuk kemampuan untuk memahami kebutuhan bisnis dan menjelaskan temuan serta keputusan teknis melalui dokumentasi, presentasi, atau dashboard.

Apa yang Akan Membantu Anda Berkembang

Anda memiliki rasa ingin tahu tentang bisnis di balik data, mempelajari tools baru dengan penuh pertimbangan, mengomunikasikan masalah sejak dini, serta berbagi apresiasi atas pencapaian bersama dan pelajaran yang dipetik. Pengalaman dalam hal berikut adalah sebuah nilai tambah:

• Snowflake virtual warehouses, optimasi performa dan biaya, Streams and Tasks, dan/atau SQL Server.

• Matillion, dbt, atau tools serupa untuk integrasi dan transformasi data.

• Python, C#, atau PowerShell untuk integrasi dan otomatisasi; Git/GitLab untuk kolaborasi dan alur kerja CI/CD.

• Power BI, Tableau, atau Streamlit untuk dashboard, aplikasi data, dan mengomunikasikan wawasan.

• Menggunakan tools pengembangan yang didukung AI seperti Claude Code, Codex, Cursor, or Maia untuk mempercepat pembuatan kode, pengujian, dokumentasi, dan troubleshooting sambil memvalidasi kode dan hasil yang dihasilkan.

• S1 di bidang Ilmu Komputer, Matematika, atau bidang terkait, atau pengalaman praktis yang setara.

Seperti Apa Kesuksesan Itu

• Pipeline production memenuhi target kekinian data (freshness) dan keandalan yang disepakati, dengan pemantauan, kepemilikan, dan prosedur pemulihan yang jelas.

• Mitra bisnis, analitik, dan data science menggunakan model yang telah diuji dengan definisi yang konsisten dan rekonsiliasi manual yang lebih sedikit.

• Optimasi kueri dan peningkatan pipeline menghasilkan pengurangan yang terukur pada waktu proses (runtime), biaya komputasi, atau insiden berulang.