Data Product

Questa posizione è in KPMG

Il processo di selezione sarà interamente gestito KPMG.

--

Data Product & Metadata Governance Manager 22 set 2026 We don’t imagine a better future. We’re building it Vuoi fare un lavoro che sia davvero significativo e di impatto? In KPMG avrai l’opportunità di aiutare i clienti, la società, le colleghe e i colleghi ad affrontare e risolvere le sfide più attuali e complesse. KPMG Advisory offre servizi di consulenza alle imprese per affiancarle nella trasformazione del business model, nel miglioramento e nella digitalizzazione dei processi, nell'analisi e nella gestione dei rischi, nonché supporto nelle operazioni di finanza straordinaria. Nel particolare, entrerai a far parte del Team di Lighthouse di Milano. La Lighthouse è il centro di eccellenza di KPMG Advisory che offre soluzioni di Data & Analytics sul mercato. Sarai impegnato nel fornire soluzioni tecnologiche all'avanguardia, tra cui algoritmi la business intelligence, la visualizzazione dei dati, l'analisi avanzata, il process mining e le tecnologie di machine learning per migliorare il processo decisionale umano. Nello specifico, lavorerai nel team Data & AI e contribuirai alla progettazione, realizzazione e messa in produzione di soluzioni avanzate lungo l’intero ciclo di vita del dato e dei modelli. In particolare ti occuperai di:

• Implementazione e configurazione di Data Catalog/Data Marketplace, con esperienza in tecnologie quali Atlan, Zeenea, Collibra, Microsoft Purview, Alation, Informatica EDC/IDMC, DataHub, OpenMetadata.
• Modellazione e gestione dei metadata, inclusi Business Glossary, Business Terms, metadata model, ownership, stewardship, lineage, classification e certification.
• Supporto al disegno e alla messa a terra dei processi di Data Governance, traducendo ruoli, responsabilità, policy e processi in workflow e configurazioni operative all'interno degli strumenti di governance.
• Metadatazione e gestione del lifecycle dei Data Product, incluse la definizione di domain, owner, input/output port, SLA/SLO, policy, lifecycle status e delle relazioni tra asset, con conoscenza degli approcci Data Mesh / Data Products e, preferibilmente, degli strumenti quali Atlan, Zeenea, DataHub, OpenMetadata, Witboost. Zeenea, ad esempio, dispone oggi di capability specifiche per la gestione e la discovery dei Data Product.
• Configurazione di workflow, ruoli, stewardship e integrazioni applicative tramite REST API, webhook, Python e SQL, inclusa l'integrazione con sistemi di Identity & Access Management, quali Microsoft Entra ID/Azure AD, e con i principali ecosistemi di Data Platform.
• Data Contract e metadata automation, con conoscenza di Open Data Contract Standard (ODCS), YAML/JSON, gestione dei contratti machine-readable e automazione della produzione, validazione e sincronizzazione dei metadata.
• Data Quality e Data Observability, con esperienza o conoscenza di strumenti quali dbt, Soda e Great Expectations, per integrare regole, quality check, risultati dei controlli e relativi metadati nel ciclo di vita degli asset e dei Data Product.

• Hai un profilo tecnico “ibrido”, con competenze distribuite su più aree del dominio Data & AI e livelli di profondità differenti in funzione dell’ambito (engineering, analytics AI, platforms), con l’obiettivo di crescere.
• Hai avuto almeno un’esperienza di gestione tecnica di progettualità di delivery Data& AI sia essa da team lead, delivery lead o tutor di colleghi più giovani.
• Hai maturato almeno 4-5 anni di esperienza di lavoro nella gestione di progetti complessi e team tecnici;
• Possiedi competenze sulle seguenti aree:

• Solida conoscenza di SQL e dei principali database e motori analitici (PostgreSQL, SQL Server, Snowflake, BigQuery).
• Esperienza nella progettazione e realizzazione di pipeline dati ETL / ELT e nella modellazione dei dati per uso analitico.
• Conoscenza dei principali principi di data management: data modelling, data quality, metadata & lineage, architetture lakehouse e cloud-native.
• Familiarità con framework di orchestrazione e pipeline moderne (dbt, Apache Airflow, Azure Data Factory, AWS Glue, Fabric Pipelines).
• Esperienza con ambienti distribuiti e tecnologie big data (Apache Spark, Delta Lake, Parquet, Kafka / Pub-Sub).
• Esperienza nell’integrazione dei livelli di serving e visualizzazione (Power BI, Qlik, Tableau, Looker) come parte integrante delle pipeline dati e dei layer semantici.