Werkstudentin Data Science mit Python & Databricks (m/w/d)

Datenaufbereitung & -integration

• Gemeinsam mit dem Team baust und pflegst du ETL-/ELT-Pipelines in Databricks und Azure.
• Du stellst stabile Verbindungen zu ERP- und Buchhaltungssystemen her und sorgst für hohe Datenqualität.

Datenanalyse & Visualisierung

• Mit Python (Pandas, NumPy, PySpark) analysierst du große Datensätze.
• Du erstellst verständliche Dashboards (Power BI, Tableau) und Berichte, die Entscheidungen leichter machen.

Machine Learning & Predictive Analytics

• Du wirkst an Konzeption, Umsetzung und Validierung von ML-Modellen mit (z. B. Zeitreihen, Klassifikation, Clustering).
• Du bringst Modelle in die Anwendung – in Databricks-Notebooks oder via Azure ML Deployments.

Data Engineering & DataOps

• Du hilfst beim Aufbau skalierbarer Datenarchitekturen, versionierst Code mit Git und unterstützt CI/CD-Abläufe.
• Du achtest auf Performance, Sicherheit und zuverlässige Prozesse in der Cloud.
• Finance-Reporting & Zusammenarbeit mit dem Fachbereich
• Du arbeitest eng mit Finance und Controlling zusammen, verstehst Bedürfnisse und übersetzt sie in Datenlösungen.

Dokumentation & Wissensaustausch

• Du hältst Erkenntnisse fest, bereitest Best Practices und Schulungsunterlagen auf und teilst Wissen im Team.

Studium & Arbeitsweise

• Du bist immatrikuliert in einem quantitativen Fach (z. B. Data Science, Mathematik, Wirtschaftsinformatik, Statistik).

Machine Learning & Data Engineering

• Erfahrung im Aufbau und Betrieb von ML-Pipelines – von Feature Engineering bis Modell-Monitoring und DataOps-Prinzipien.

Technologie-Know-how

• Sehr gute Python-Skills (z. B. Pandas, PySpark, scikit-learn).
• Praxis mit Databricks und Azure-Services (Data Factory, SQL Data Warehouse, Azure ML).
• Sicherer Umgang mit SQL und NoSQL-Datenbanken.

Arbeitsstil

• Interesse an Finance
• Du hast Freude an finanzwirtschaftlichen Zusammenhängen und möchtest Prozesse im Finanzbereich messbar verbessern.

Kommunikation

• Deutsch auf muttersprachlichem Niveau und sicheres Englisch in Wort und Schrift.