āđ€āļ‡āļ·āđˆāļ­āļ™āđ„āļ‚āļāļēāļĢāļ„āđ‰āļ™āļŦāļē

āļ„āđ‰āļ™āļŦāļēāđ‚āļ”āļĒāđƒāļŠāđ‰āļ„āļģāļŦāļĨāļąāļ

āļ„āđ‰āļ™āļŦāļēāđ‚āļ”āļĒāļŦāļĄāļ§āļ”āļŦāļĄāļđāđˆāļ‡āļēāļ™

āđ€āļĨāļ·āļ­āļāļŦāļĄāļ§āļ”āļŦāļĄāļđāđˆāļ‡āļēāļ™

āļ„āđ‰āļ™āļŦāļēāđ‚āļ”āļĒāļ›āļĢāļ°āđ€āļ āļ—āļ˜āļļāļĢāļāļīāļˆ

āđ€āļĨāļ·āļ­āļāļ›āļĢāļ°āđ€āļ āļ—āļ˜āļļāļĢāļāļīāļˆ

āļ„āđ‰āļ™āļŦāļēāđ‚āļ”āļĒāļŠāļ·āđˆāļ­āļšāļĢāļīāļĐāļąāļ—

āļžāļīāļĄāļžāđŒāļŠāļ·āđˆāļ­āļšāļĢāļīāļĐāļąāļ—

BPTW Banner
āđāļŠāļ”āļ‡āļœāļĨ 1 - 20 āļ•āļģāđāļŦāļ™āđˆāļ‡āļ‡āļēāļ™ āļˆāļēāļāļ—āļąāđ‰āļ‡āļŦāļĄāļ” 85 āļ•āļģāđāļŦāļ™āđˆāļ‡āļ‡āļēāļ™
āļ—āļĩāđˆāļĄāļĩāļ„āļģāļ§āđˆāļē ETL

āļ­āļąāļ›āđ‚āļŦāļĨāļ”āđ€āļĢāļ‹āļđāđ€āļĄāđˆāļ‚āļ­āļ‡āļ„āļļāļ“

AI āļ‚āļ­āļ‡āđ€āļĢāļēāļˆāļ°āļ­āđˆāļēāļ™āđƒāļŦāđ‰ āđāļĨāđ‰āļ§āļŦāļēāļ‡āļēāļ™āļ—āļĩāđˆāđƒāļŠāđˆāļŠāļģāļŦāļĢāļąāļšāļ„āļļāļ“

āļ­āļąāļ›āđ‚āļŦāļĨāļ”āđ€āļĢāļ‹āļđāđ€āļĄāđˆ
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđ€āļ­ āļ”āļąāļšāđ€āļšāļīāļĨāļĒāļđ āļžāļĩ āđ€āļ‹āļ­āļĢāđŒāļ§āļīāļŠāđ€āļ‹āļŠ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 1
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđ€āļ­ āļ”āļąāļšāđ€āļšāļīāļĨāļĒāļđ āļžāļĩ āđ€āļ‹āļ­āļĢāđŒāļ§āļīāļŠāđ€āļ‹āļŠ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 1

āļ—āļąāļāļĐāļ°:

ETL, SQL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Are you a technically minded data professional who enjoys solving complex data challenges and making sure information flows accurately across systems and teams? As Data Integration Specialist - ETL & Data Loading at Allianz Partners in Bangkok, you will be responsible for the end-to-end process of loading beneficiary data into our portfolio management system - ensuring alignment with business objectives and the needs of our partners, claims teams, and reporting functions. Allianz Partners operates as a B2B2C business, connecting corporate partners such as travel companies, automoti ...
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļ‹āļĩāđ€āļāļ— āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 2
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļ‹āļĩāđ€āļāļ— āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 2

āļ—āļąāļāļĐāļ°:

Problem Solving, Postgre SQL, Automation, PowerShell, Leadership Skill

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ57,000 - āļŋ77,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Provide technical leadership for manufacturing data operations, ETL services, data-flow reliability, monitoring, recovery, and continuous improvement.
  • Define technical standards, operational procedures, service ownership boundaries, escalation paths, and readiness requirements for critical data services.
  • Guide the design and improvement of Apache NiFi pipelines, data collection, validation, transformation, routing, replay, reconciliation, exception handling, and lineage.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āļŪāđ‡āļ­āļ› āļ­āļīāļ™āļ™āđŒ āđ‚āļŪāđ€āļ•āđ‡āļĨ āļˆāļģāļāļąāļ” āļĄāļŦāļēāļŠāļ™ 3
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āļŪāđ‡āļ­āļ› āļ­āļīāļ™āļ™āđŒ āđ‚āļŪāđ€āļ•āđ‡āļĨ āļˆāļģāļāļąāļ” āļĄāļŦāļēāļŠāļ™ 3

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

2 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Analytical Thinking, Data Warehousing, Microsoft Azure, Architecture, Automation

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ35,000 - āļŋ40,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Design, develop, implement, and maintain enterprise data integration solutions, data pipelines, and data platform services.
  • Manage and support Microsoft Azure data platform components, including Azure Data Factory, Azure Synapse Analytics, Azure Data Lake Storage, and related services.
  • Support the adoption, implementation, and continuous improvement of Microsoft Fabric technologies and modern data platform architectures.
3 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļˆāļĩ āđ€āļ­āđ€āļšāļīāļĨ 4
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļˆāļĩ āđ€āļ­āđ€āļšāļīāļĨ 4
āļāļĢāļļāļ‡āđ€āļ—āļž, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ ,āļ™āļąāļāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ,āļ™āļąāļāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒ

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

5 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Data Warehousing, Power BI, QlikView, Tableau, Oracle

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Design, develop, and implement comprehensive BI solutions, including dashboards, reports, and visualizations, using tools like Power BI, Tableau, or QlikView.
  • Develop and maintain complex SQL queries, stored procedures, and ETL processes to ensure data integrity and availability.
  • Collaborate with business stakeholders to understand their needs and translate them into technical requirements.
3 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ 21 Sun Passion 5
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ 21 Sun Passion 5
āļāļĢāļļāļ‡āđ€āļ—āļž, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ

āļ—āļąāļāļĐāļ°:

Architecture, Automation, Big Data, Python, Docker, Kafka, SQL, ETL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Data Pipeline & Architecture.
  • āļ­āļ­āļāđāļšāļšāđāļĨāļ°āļŠāļĢāđ‰āļēāļ‡āļ—āđˆāļ­āļŠāđˆāļ‡āļ‚āđ‰āļ­āļĄāļđāļĨ (ETL/ELT Pipelines) āļ—āļąāđ‰āļ‡āđāļšāļš Batch āđāļĨāļ° Real-time.
  • āđ€āļŠāļ·āđˆāļ­āļĄāļ•āđˆāļ­āļ‚āđ‰āļ­āļĄāļđāļĨāļˆāļēāļāđāļŦāļĨāđˆāļ‡āļ•āđˆāļēāļ‡ āđ† āđ€āļŠāđˆāļ™ Database, REST APIs, āđāļĨāļ° Message Queues.
3 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ Manatal 6
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ Manatal 6
āļāļĢāļļāļ‡āđ€āļ—āļž, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ ,āļ™āļąāļāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ,āļ™āļąāļāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒ

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

5 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Architecture, Recruitment, Automation, Leadership Skill, Tableau

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Own and manage the data warehouse (AWS Redshift), including schema design, performance tuning, query optimization, and cost management.
  • Build, maintain, and monitor ETL/ELT pipelines using Airbyte, Segment, and Segment Reverse ETL and similar tools.
  • Evaluate and introduce dbt (or equivalent) to bring structure, version control, and testing to data transformations.
4 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 7
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 7

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

3 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Power BI, Cloud Computing, ETL, SQL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Design, develop, and maintain Power BI dashboards, reports, and data models.
  • Collaborate with cross-functional teams to understand business requirements and deliver effective BI solutions.
  • Partner with Data Engineers, Analysts, and Business Users to ensure data accuracy, performance, and usability.
4 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 8
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 8

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

2 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Data Warehousing, Automation, Apache, Python, ETL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ24,000 - āļŋ30,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Data Pipeline Operations.
  • Monitor scheduled and event-driven ETL/ELT pipelines across Azure Data Factory, Databricks, Airflow, and related platforms.
  • Investigate failed jobs, delayed data, missing records, schema changes, and dependency issues.
4 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ€āļ­ āļ„āļ­āļĄāđ€āļĄāļīāļĢāđŒāļ‹ 9
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ€āļ­ āļ„āļ­āļĄāđ€āļĄāļīāļĢāđŒāļ‹ 9
āļ§āļąāļ’āļ™āļē, āļāļĢāļļāļ‡āđ€āļ—āļž, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ

āļ—āļąāļāļĐāļ°:

Architecture, Big Data, DevOps, Python, English

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļžāļēāļĢāđŒāļ—āđ„āļ—āļĄāđŒ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ45,000 - āļŋ65,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Participate in designing and implementing as well as maintaining data pipelines for digesting data from various marketplaces into Data Platform.
  • Demonstrate continuous improvement by inspecting and adopting new ideas for improving solutions, tools and processes.
  • Work closely with members of IT (e.g. Architecture, DevOps and Business Analysts) to ensure the highest quality softwareCoach fellow associate data engineers.
4 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ€āļ‹āļ­āļĢāđŒāļ—āļīāļŠ āļˆāļģāļāļąāļ” 10
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ€āļ‹āļ­āļĢāđŒāļ—āļīāļŠ āļˆāļģāļāļąāļ” 10
āļāļĢāļļāļ‡āđ€āļ—āļž, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

3 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Google Cloud Platform, Data Warehousing, Architecture, Assurance, English

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Design, build, and maintain scalable and efficient data pipelines and ETL processes.
  • Develop and implement data models, data warehouses, and data lakes.
  • Build and maintain pipelines on Google Cloud Platform (GCP), including ingesting and converting files (e.g., CSV/JSON/Parquet) and loading them into BigQuery.
4 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down

āļ­āļąāļ›āđ‚āļŦāļĨāļ”āđ€āļĢāļ‹āļđāđ€āļĄāđˆāļ‚āļ­āļ‡āļ„āļļāļ“

AI āļ‚āļ­āļ‡āđ€āļĢāļēāļˆāļ°āļ­āđˆāļēāļ™āđƒāļŦāđ‰ āđāļĨāđ‰āļ§āļŦāļēāļ‡āļēāļ™āļ—āļĩāđˆāđƒāļŠāđˆāļŠāļģāļŦāļĢāļąāļšāļ„āļļāļ“

āļ­āļąāļ›āđ‚āļŦāļĨāļ”āđ€āļĢāļ‹āļđāđ€āļĄāđˆ
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 11
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 11

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

5 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Financial Reporting

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Bangkok, Thailand.
  • Full-time.
  • Workplace: on_site.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 12
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 12
āļāļĢāļļāļ‡āđ€āļ—āļž, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ ,āļāļēāļĢāļˆāļąāļ”āļāļēāļĢ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ,āļāļēāļĢāļˆāļąāļ”āļāļēāļĢ

āļ—āļąāļāļĐāļ°:

Big Data, ETL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Maintain data dictionary, relationship and its interpretation.
  • Analyze problem and find resolution, as well as work closely with administrators to monitor performance and advise any necessary infrastructure changes.
  • Work with business domain experts, data scientists and application developers to identify data that is relevant for analysis.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 13
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļĨāļ•āļąāļŠ 13

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

5 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Big Data, Cloud Computing

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ50,000 - āļŋ72,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Nawamin Road, Thailand (Hybrid).
  • Workplace: hybrid.
  • We are seeking an experienced Senior Data Engineer to design, implement, and maintain our data infrastructure and pipelines. The ideal candidate will have a strong background in data engineering, big data technologies, and cloud platforms. You will work closely with data scientists, analysts, and other stakeholders to ensure efficient and reliable data processing and storage solutions.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļāļ‹āļ­āļŸāļ—āđŒ 14
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āđ‚āļāļ‹āļ­āļŸāļ—āđŒ 14
āļ™āļ™āļ—āļšāļļāļĢāļĩ, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ,āļ§āļīāļĻāļ§āļāļĢāļĢāļĄ

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

3 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Industry trends, Teamwork, Big Data, Kafka, Cloud Computing

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ50,000 - āļŋ69,999, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Design, build, and maintain data pipelines and infrastructure to support data-driven initiatives.
  • Collaborate with data scientists, analysts, and other stakeholders to understand data requirements and deliver scalable solutions.
  • Develop and maintain data models, data dictionaries, and data transformation processes.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđ€āļ­āđ„āļ­ āđāļ­āļ™āļ”āđŒ āđ‚āļĢāđ‚āļšāļ•āļīāļāļŠāđŒ āđ€āļ§āļ™āđ€āļˆāļ­āļĢāđŒāļŠ āļˆāļģāļāļąāļ” 15
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđ€āļ­āđ„āļ­ āđāļ­āļ™āļ”āđŒ āđ‚āļĢāđ‚āļšāļ•āļīāļāļŠāđŒ āđ€āļ§āļ™āđ€āļˆāļ­āļĢāđŒāļŠ āļˆāļģāļāļąāļ” 15

āļ—āļąāļāļĐāļ°:

Data Analysis, Architecture, Labor law, Teamwork, Big Data

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Build and maintain data pipelines to collect, transform, and store data from robotic systems and sensors.
  • Design data architecture to support real-time and historical data analysis.
  • Implement ETL processes and ensure data quality, validation, and monitoring.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđāļ„āļ›āđ‚āļ„ āļ„āļ­āļ™āļ‹āļąāļĨāđāļ—āļ™āļ‹āļĩāđˆ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 16
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđāļ„āļ›āđ‚āļ„ āļ„āļ­āļ™āļ‹āļąāļĨāđāļ—āļ™āļ‹āļĩāđˆ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 16

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

4 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Architecture, Recruitment, Python, Cloud Computing, ETL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ35,000 - āļŋ61,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Developing batch, CDC and/or streaming data ingestion pipelines from multiple source systems.
  • Implementing Bronze, Silver and Gold data layers, including data cleansing, transformation and standardisation.
  • Developing reusable data pipelines and supporting data product implementation.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āļœāļĨāļīāļ•āđ„āļŸāļŸāđ‰āļē āļˆāļģāļāļąāļ” āļĄāļŦāļēāļŠāļ™ 17
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āļœāļĨāļīāļ•āđ„āļŸāļŸāđ‰āļē āļˆāļģāļāļąāļ” āļĄāļŦāļēāļŠāļ™ 17

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

2 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Data Warehousing, Automation, Power BI, ERP, English

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Manage and support the day-to-day operations of data management systems, including SAP BW.
  • Develop, implement, and maintain data management processes and procedures.
  • Collaborate with stakeholders to understand business requirements and data needs.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđāļ„āļ›āđ‚āļ„ āļ„āļ­āļ™āļ‹āļąāļĨāđāļ—āļ™āļ‹āļĩāđˆ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 18
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđāļ„āļ›āđ‚āļ„ āļ„āļ­āļ™āļ‹āļąāļĨāđāļ—āļ™āļ‹āļĩāđˆ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 18

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

6 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Architecture, Recruitment, Leadership Skill, Cloud Computing, ETL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ119,000 - āļŋ131,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Designing the target Lakehouse architecture and end-to-end data flows.
  • Defining data models, canonical structures and reusable data-product patterns.
  • Designing scalable and reusable batch, CDC and streaming ingestion patterns.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ Chubb Insurance Company Thailand 19
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ Chubb Insurance Company Thailand 19
āļāļĢāļļāļ‡āđ€āļ—āļž, āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ āđ„āļ­āļ—āļĩ / āđ€āļ‚āļĩāļĒāļ™āđ‚āļ›āļĢāđāļāļĢāļĄ

āļ—āļąāļāļĐāļ°:

Python, Cloud Computing, SQL

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŋ75,000 - āļŋ110,000, āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Design, build, and maintain scalable data solutions that support reporting, self-service analytics, and advanced analytics.
  • Work primarily on the organization's data platform, currently centered on Snowflake and IICS, to transform raw data into trusted, business-ready data assets.
  • Partner closely with Data Analysts and source-system teams to translate business needs into data models, pipelines, and reusable data products.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđāļ„āļ›āđ‚āļ„ āļ„āļ­āļ™āļ‹āļąāļĨāđāļ—āļ™āļ‹āļĩāđˆ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 20
āļŦāļēāļ‡āļēāļ™ āļŠāļĄāļąāļ„āļĢāļ‡āļēāļ™ āļšāļĢāļīāļĐāļąāļ— āđāļ„āļ›āđ‚āļ„ āļ„āļ­āļ™āļ‹āļąāļĨāđāļ—āļ™āļ‹āļĩāđˆ āļ›āļĢāļ°āđ€āļ—āļĻāđ„āļ—āļĒ āļˆāļģāļāļąāļ” 20

āļ›āļĢāļ°āļŠāļšāļāļēāļĢāļ“āđŒ:

5 āļ›āļĩāļ‚āļķāđ‰āļ™āđ„āļ›

āļ—āļąāļāļĐāļ°:

Architecture, Recruitment, Apache, Python, English

āļ›āļĢāļ°āđ€āļ āļ—āļ‡āļēāļ™:

āļ‡āļēāļ™āļ›āļĢāļ°āļˆāļģ

āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™:

āļŠāļēāļĄāļēāļĢāļ–āļ•āđˆāļ­āļĢāļ­āļ‡āđ„āļ”āđ‰

  • Design, develop, and maintain scalable data pipelines for batch and real-time data processing.
  • Build and optimize data ingestion, transformation, and loading (ETL/ELT) workflows.
  • Work with Azure Data Services, Databricks, and Delta Lake to implement Lakehouse architecture.
5 āļ§āļąāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™āļĄāļē
āļ”āļđāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄkeyboard_arrow_down
āļŠāđˆāļ‡āđāļˆāđ‰āļ‡āđ€āļ•āļ·āļ­āļ™āļ‡āļēāļ™āđƒāļŦāļĄāđˆāļĨāđˆāļēāļŠāļļāļ”āļŠāļģāļŦāļĢāļąāļšETL

āļ›āļĢāļ°āđ€āļĄāļīāļ™āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™

āđ€āļŠāđ‡āļāļ§āđˆāļēāļ„āļļāļ“āļ„āļ§āļĢāđ„āļ”āđ‰āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™āđ€āļ—āđˆāļēāđ„āļŦāļĢāđˆ āļˆāļēāļāļ‚āđ‰āļ­āļĄāļđāļĨāļ•āļĨāļēāļ”āđāļĨāļ°āļ—āļąāļāļĐāļ°āļ‚āļ­āļ‡āļ„āļļāļ“

āļĨāļ­āļ‡āļ›āļĢāļ°āđ€āļĄāļīāļ™āđ€āļ‡āļīāļ™āđ€āļ”āļ·āļ­āļ™
  • 1
  • 2
  • 3
  • 4
  • 5
close
āļĨāļ‡āļ—āļ°āđ€āļšāļĩāļĒāļ™āļāļąāļš WorkVenture āđ€āļžāļ·āđˆāļ­āļ„āđ‰āļ™āļŦāļēāļ‡āļēāļ™āđƒāļŦāļĄāđˆāļĨāđˆāļēāļŠāļļāļ”āđāļĨāļ°āļ­āđˆāļēāļ™āļĢāļĩāļ§āļīāļ§āļšāļĢāļīāļĐāļąāļ—āļˆāļēāļāļœāļđāđ‰āļ—āļģāļ‡āļēāļ™āļˆāļĢāļīāļ‡