Data Engineer / Datu inženieris(-)

Wandoo Finance is a consumer lending fintech headquartered in Latvia, operating in Poland, Spain, Romania, Peru, and now Lithuania. Five markets, growing fast, with a product range that keeps expanding — and all of it has to end up in one warehouse that people can actually trust.

We're hiring a Data Engineer into a team of four. The data platform is still taking shape, which means the patterns you set now are the ones the company runs on in two years.

The team, and where this role sits

We don't have narrow lanes. There's no separate BI team to hand things off to, no analyst who'll own "the dashboard part." Whoever builds the pipeline usually builds the report on top of it and explains the numbers to the stakeholder afterwards. The upside is that you watch your model turn into an actual decision instead of handing a table into the void.

Day to day: building pipelines into BigQuery, modelling the data behind our lending products, and the reports on top of it. The work varies week to week — one week you're fixing a pipeline, the next you're making a slow one fast, the next you're turning a messy source feed into a model someone will run the business on.

This particular role leans toward the backend side. Realistically it's about two thirds pipelines, warehouse, and transformation, and one third everything else — Power BI and DAX, support, maintenance, ad-hoc requests. We put a number on it because pretending the last third doesn't exist is how people end up leaving.

You'd own pieces of the stack, not all of it. Senior engineers work alongside you on the harder calls, and there's room to take on more as you go. But the pieces you own are real: your decisions stay in the codebase after you make them.

What we're looking for

Two years of hands-on data engineering experience is enough. What matters more is that you actually like the technical side of this work, that you enjoy chewing on a problem until it gives, and that you want to end up owning a real part of the stack.

Must have:

• Strong SQL — comfortable with complex analytical queries, and you know why a query is slow
• Solid Python for data work
• Hands-on experience with a cloud data warehouse (BigQuery, Snowflake, Redshift, Databricks, Synapse — any of them)
• Understanding of data modelling and warehouse design fundamentals
• A generalist streak. Some weeks it's a data model, some weeks it's a legacy script that needs untangling or a reporting layer that needs rebuilding. All of it is the job
• The instinct to go find what's broken instead of waiting for it to be assigned

Nice to have:

• Practical experience with dbt — if you've used it, you'll shape how we roll it out
• Dagster, Airflow, or another orchestrator
• BigQuery and GCP specifically, plus an instinct for what makes a query expensive
• Power BI and DAX. If you don't have it yet you'll learn it here, but you need to want to
• Fintech, lending, or other high-volume transactional data
• Version control workflows and testing practices for data

What you get

• Competitive salary - 2500- 4500 EUR gross
• Salary review - every year, because progress matters
• Hybrid 3+2 - three days in the office, two days from home
• Workcation - work from anywhere, up to 2 weeks a year
• Annual performance bonus - results are recognised, not just expected
• Birthday off - your day, your rules, no questions asked
• Health insurance - extended coverage after probation
• Private gym - on-site, employee-only, premium
• Learning budget - chosen by you, approved by us

And...

• Real autonomy, in a team small enough that nothing you build disappears into a void
• A domain that's actually hard: lending logic, regulatory reporting, and a product range that keeps outgrowing the model you built last quarter
• Senior engineers to learn from, and a manager who treats growing people as part of the job
• A stack you get to finish building: BigQuery, Python, dbt, Dagster

__________________________________________

Wandoo Finance ir patēriņa kreditēšanas fintech uzņēmums ar galveno biroju Latvijā, kas darbojas Polijā, Spānijā, Rumānijā, Peru un nu arī Lietuvā. Pieci tirgi, strauja izaugsme, arvien plašāks produktu klāsts — un visam tam ir jānonāk vienā datu noliktavā, kurai cilvēki var patiešām uzticēties.

Mēs meklējam datu inženieri, kas pievienosies četru cilvēku datu komandai. Datu platforma joprojām tiek veidota, un tas nozīmē, ka risinājumi un principi, ko ieviesīsi šodien, būs pamats tam, kā uzņēmums strādās pēc diviem gadiem.

Komanda un Tava loma tajā

Mums nav šauri definētu lomu robežu. Nav atsevišķas BI komandas, kurai nodot darbu, un nav analītiķa, kurš pārņemtu “dashboard daļu”. Tas, kurš izveido datu plūsmu, bieži vien izveido arī pārskatu un pēc tam izskaidro rezultātus stakeholderim.

Ieguvums? Tu redzi, kā Tavs datu modelis pārvēršas reālā biznesa lēmumā, nevis vienkārši nodod tabulu tālāk un nekad vairs par to nedzirdi.

Ikdienā Tu:

• Veidosi datu plūsmas uz BigQuery
• Modelēsi datus, kas atrodas mūsu kreditēšanas produktu pamatā
• Veidosi un uzturēsi atskaites un analītikas risinājumus virs šiem datiem
• Risināsi dažādus uzdevumus — vienu nedēļu labosi datu plūsmu, nākamo optimizēsi lēnu procesu, bet vēl nākamajā pārveidosi nekārtīgu avota datu plūsmu par modeli, uz kura kāds balstīs biznesa lēmumus

Šī loma vairāk orientēta uz backend pusi. Aptuveni divas trešdaļas laika būs saistītas ar datu plūsmām, datu noliktavu un transformācijām, bet viena trešdaļa — ar pārējo: Power BI un DAX, atbalstu, uzturēšanu un ad-hoc pieprasījumiem. Mēs to pasakām godīgi, jo izlikšanās, ka šī pēdējā trešdaļa neeksistē, parasti beidzas ar neapmierinātu cilvēku.

Tu nebūsi atbildīgs par visu tehnoloģiju kopumu. Tev būs konkrētas stack daļas, par kurām Tu rūpēsies, bet sarežģītākos lēmumos strādāsi kopā ar senior līmeņa inženieriem. Laika gaitā varēsi uzņemties arvien vairāk.

Taču tas, kas būs Tavā atbildībā, būs pa īstam — Tavi pieņemtie lēmumi paliks kodā arī pēc tam, kad būsi tos pieņēmis.

Ko mēs meklējam?

Apmēram divu gadu praktiska pieredze datu inženierijas jomā būs pietiekama. Daudz svarīgāk ir, lai Tev patiktu šī darba tehniskā puse, Tev būtu interese izkost problēmu līdz galam un vēlme ar laiku kļūt par cilvēku, kurš patiešām pārvalda kādu būtisku datu platformas daļu.

Obligāti nepieciešams:

• Spēcīgas SQL zināšanas — jūties pārliecinoši ar sarežģītiem analītiskiem vaicājumiem un saproti, kāpēc vaicājums var būt lēns
• Labas Python zināšanas datu apstrādei un Data Engineering uzdevumiem
• Praktiska pieredze ar cloud datu noliktavu — BigQuery, Snowflake, Redshift, Databricks, Synapse vai kādu citu
• Izpratne par datu modelēšanu un datu noliktavu arhitektūras pamatiem
• Plašs skatījums uz Data Engineering — vienu nedēļu strādāsi pie datu modeļa, nākamajā būs jāatšķetina mantots skripts vai jāpārveido atskaišu slānis. Tas viss ir daļa no darba
• Iniciatīva — ja kaut kas nedarbojas, Tu ej un meklē problēmas cēloni, nevis gaidi, kad kāds to iedos Tev kā uzdevumu

Būs priekšrocība, ja Tev ir:

• Praktiska pieredze ar dbt — ja esi ar to strādājis, Tev būs iespēja ietekmēt, kā to ieviešam uzņēmumā
• Dagster, Airflow vai cita orchestration rīka pieredze
• BigQuery un GCP pieredze, kā arī izpratne par to, kas padara vaicājumu dārgu
• Power BI un DAX zināšanas — ja vēl neproti, iemācīsies pie mums, bet svarīgi, lai Tev būtu vēlme to apgūt
• Pieredze fintech, kreditēšanā vai darbā ar lieliem transakciju datu apjomiem
• Pieredze ar version control, testēšanu un labās prakses ieviešanu datu izstrādē

Ko mēs piedāvājam?

• Konkurētspējīgu atalgojumu — 2500–4500 EUR bruto
• Ikgadēju atalgojuma pārskatīšanu — jo izaugsme ir svarīga
• Hibrīddarbu 3+2 — trīs dienas birojā, divas no mājām
• Workcation iespēju — strādā no sev izvēlētas vietas līdz 2 nedēļām gadā
• Ikgadēju bonusu par darba rezultātiem — sasniegumi tiek pamanīti un novērtēti
• Brīvdienu dzimšanas dienā — Tava diena, Tavi noteikumi, bez liekiem jautājumiem
• Veselības apdrošināšanu — paplašināts segums pēc pārbaudes laika
• Privātu sporta zāli — tepat birojā, tikai mūsu darbiniekiem
• Mācību budžetu — Tu izvēlies, ko apgūt, mēs atbalstām

Un vēl...

• Reālu autonomiju — komandā, kas ir pietiekami maza, lai nekas no tā, ko Tu uzbūvē, nepazustu kaut kur procesā
• Patiesi sarežģītu biznesa vidi — kreditēšanas loģika, regulatīvās atskaites un produktu klāsts, kas nepārtraukti aug un liek pārskatīt arī pagājušajā ceturksnī izveidotos modeļus
• Senior līmeņa inženierus, no kuriem mācīties, un vadītāju, kurš cilvēku izaugsmi uzskata par daļu no sava darba
• Tehnoloģiju kopumu, kuru vari palīdzēt pabeigt izveidot — BigQuery, Python, dbt, Dagster