Data Product

We don’t imagine a better future. We’re building itVuoi 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.
Come As You Are
- Le tue competenze e caratteristicheQuesta opportunità è perfetta per te se: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:1. Data Engineering, Data Management & Visual AnalyticsSolida 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.2. Advanced Analytics, Machine Learning & AIOttima conoscenza di Python e delle principali librerie per analisi, machine learning e data processing.
Esperienza nello sviluppo di modelli di Machine Learning e soluzioni di Advanced Analytics applicate a casi di business reali.
Familiarità con tematiche di AI generativa e NLP: integrazione di modelli foundation (OpenAI, Claude, Hugging Face), progettazione di soluzioni RAG, prompt engineering.
Prime esperienze di industrializzazione dei modelli (MLflow, API REST, versioning, monitoring, MLOps).
Attenzione ai temi di explainability, affidabilità, sicurezza e gove