Automation Test Lead – Data & Platform Engineering

Emploi pas sur LinkedIn

🕒 il y a 11 jours

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Virtusa

Site WebLinkedInTous les Emplois

10 000+ employés

Fondée en 1996

💼 Conseil

🏢 Entreprise

🤖 Intelligence artificielle

💰 €108 000 000 Post-IPO Equity - Virtusa en 2017-05

Consulting • Enterprise • Artificial Intelligence

Virtusa est une entreprise mondiale de services technologiques et de conseil qui aide les entreprises à réimaginer leurs activités grâce à l'ingénierie numérique, à des solutions axées sur l'IA et focalisées sur les domaines d'expertise. Elle propose des services de conseil, de conception, d'ingénierie, d'automatisation, d'analyse et d'optimisation, et s'associe avec des organisations dans les secteurs de la banque et des services financiers, des communications, de la santé, de l'assurance, du commerce de détail, de la fabrication et d'autres industries pour fournir des solutions technologiques et d'intelligence artificielle à l'échelle de l'entreprise. Virtusa met l'accent sur les services d'IA, les solutions basées sur le domaine pour l'entreprise AI, et la transformation numérique de bout en bout.

Description

• Test Automation Architecture & Strategy: Own a scalable, modular, metadata-driven framework covering data pipelines (batch/streaming), APIs/backend services, and end-to-end data product validation; enable plug-and-play components, parallel execution, environment isolation, deterministic runs • Data Testing Framework Engineering: SQL-based assertions/reconciliation, schema validation, data contracts, lineage/freshness validation, config-driven test definitions (YAML/JSON) • Destructive Testing: Schema drift, backward incompatibility, late-arriving data, partial failures, duplicate/missing/out-of-order events, stress, concurrency, retries, DLQ handling, backpressure • ETL/Streaming Validation at Scale: Row/aggregate/hash-based reconciliation, incremental/backfill validation, delivery semantics validation, window/time-based correctness • Data Quality & Observability: Integrate/extend Great Expectations or Soda; custom validations for accuracy, completeness, uniqueness, timeliness; quality dashboards • CI/CD & DataOps Enforcement: Pre-merge gates, release blockers, selective/parallel test execution, GitHub Actions/Jenkins integration • Test Data Management: Synthetic data generation, masking/anonymization, deterministic datasets, edge case simulation • Performance & Reliability Testing: Pipeline/query benchmarks, concurrency/stress testing, data skew analysis, cost/time optimization • Security & Compliance: PII/PHI exposure checks, encryption/access control, retention, audit requirements; support GxP/SOX/ISO frameworks • Cross-Functional Quality Leadership: Work with data engineers, platform teams, architects; mentor engineers • Incident Analysis & Prevention: Root-cause analysis of production data issues, reduce flaky tests

🎯 Exigences

• Strong Python (test frameworks, libraries, CLI tools); advanced SQL • Hands-on DBT, Airflow, Snowflake or similar; ETL/ELT and data modeling • Great Expectations/Soda; lineage and catalog systems • Kafka/Kinesis testing; delivery semantics • Git workflows; CI/CD (Jenkins, GitHub Actions) • AWS; IaC (Terraform/CloudFormation)