Job Summary
Design and optimize cloud based data platforms that power analytics and decision making for a global property and casualty insurance business using AWS PySpark Python and Databricks within a hybrid work model ensuring resilient data pipelines reliable governance and scalable architectures that enable accurate risk assessment and faster claims processing.
Responsibilities
Design and implement scalable data architectures on AWS that support end to end data flows for property and casualty insurance underwriting pricing claims and policy administration use casesBuild robust PySpark and Python based data pipelines in Databricks that ingest transform and curate structured and semi structured insurance data from multiple internal and external sourcesOptimize Databricks workflows and Spark jobs to achieve predictable performance cost efficiency and reliability for large volumes of policy premium exposure and claims dataDevelop reusable data models and canonical data sets that standardize property and casualty insurance entities such as policies coverages claims and reinsurance treaties across business linesEstablish and maintain data quality rules data validation checks and reconciliation processes that improve accuracy timeliness and completeness of critical regulatory and financial reporting datasetsCollaborate with actuaries underwriters claims analysts and product teams to translate analytical and reporting requirements into well defined data engineering solutions that create measurable business valueImplement secure data access patterns on AWS using appropriate services and configurations that protect sensitive customer and financial information while enabling governed self service analyticsCreate and maintain technical documentation including data flow diagrams data dictionaries and architecture blueprints that provide clear traceability from source systems to curated consumption layersAutomate testing monitoring and alerting for data pipelines using Python and cloud native tools to proactively identify data anomalies and pipeline failures before they affect downstream consumersPartner with enterprise and solution architects to align data engineering solutions with target cloud architecture standards helping to modernize legacy insurance platforms and decommission redundant assetsDrive continuous improvement by profiling datasets identifying performance bottlenecks and implementing tuning strategies that shorten data delivery cycles for reporting dashboards and advanced analyticsSupport business continuity by implementing backup recovery and environment management strategies in AWS and Databricks that reduce operational risk and minimize downtime for critical data servicesMentor peers and junior engineers by sharing best practices in PySpark coding standards data modeling for insurance and cloud based engineering patterns that raise the overall quality of team deliverables
Qualifications
Possess eight to twelve years of experience in data engineering or data architecture roles with a consistent focus on delivering production grade solutions in complex enterprise environmentsDemonstrate strong hands on expertise with AWS data and compute services including data storage processing orchestration and security components used to run modern analytical workloadsExhibit advanced proficiency in PySpark and Python for building scalable transformation logic unit tests and utility frameworks that can be reused across multiple insurance data pipelinesBring proven experience working with Databricks to develop optimize and operate collaborative notebooks jobs and clusters tailored for large scale property and casualty data processingShow deep functional understanding of property and casualty insurance concepts including policies coverages rating factors claims lifecycle and regulatory reporting and apply this knowledge to data designsApply solid knowledge of dimensional and relational data modeling practices to design curated data marts and semantic layers that serve analytics actuarial studies and operational reportingUtilize strong skills in SQL data profiling and data quality assessment to diagnose source system issues and drive corrective actions with business and technology stakeholdersDemonstrate effective communication and collaboration abilities to work in a hybrid model with distributed teams conveying complex data topics in clear and concise business languageDisplay familiarity with modern DevOps and DataOps practices such as version control continuous integration automated testing and environment promotion for data engineering solutionsShow commitment to continual learning by staying updated on evolving AWS Databricks and open source data engineering capabilities and by actively incorporating relevant innovations into project delivery
ข่าวประชาสัมพันธ์แบบสำเร็จรูปของ Cognizant
Cognizant(NASDAQ: CTSH) คือผู้สร้าง AI และผู้ให้บริการด้านเทคโนโลยี ซึ่งเชื่อมช่องว่างระหว่างการลงทุนใน AI และมูลค่าขององค์กรด้วยการสร้างโซลูชัน AI แบบครบวงจรให้แก่ไคลเอนต์ของเรา ความเชี่ยวชาญเชิงลึกด้านอุตสาหกรรม กระบวนการ และวิศวกรรมของเรา ช่วยให้เราผสานบริบทเฉพาะขององค์กรเข้ากับระบบเทคโนโลยีเพื่อเพิ่มศักยภาพมนุษย์ สร้างผลลัพธ์ที่จับต้องได้ และช่วยให้องค์กรระดับโลกก้าวนำหน้าอยู่เสมอในโลกที่เปลี่ยนแปลงไป ดูวิธีดำเนินการได้ที่ cognizant.ai หรือ @cognizant
ข้อมูลการจ้างงานเพิ่มเติม
ข้อมูลเกี่ยวกับค่าตอบแทนมีความถูกต้อง ณ วันที่ประกาศรับสมัครงานนี้ Cognizant ขอสงวนสิทธิ์ในการแก้ไขข้อมูลดังกล่าวได้ตลอดเวลา ภายใต้กฎหมายที่เกี่ยวข้อง
ผู้สมัครอาจถูกขอให้เข้ารับการสัมภาษณ์แบบพบตัวต่อตัวหรือผ่านการประชุมทางวิดีโอ นอกจากนี้ ผู้สมัครอาจถูกขอให้นำเอกสารประจำตัวที่ออกโดยหน่วยงานของรัฐ หรือบัตรประจำตัวที่ออกโดยรัฐบาลซึ่งยังมีผลบังคับใช้ มาแสดงในระหว่างการสัมภาษณ์แต่ละครั้ง
Cognizant เป็นนายจ้างที่ให้โอกาสอย่างเท่าเทียม การสมัครและการพิจารณาคุณสมบัติของคุณจะไม่ถูกตัดสินจากเชื้อชาติ สีผิว เพศ ศาสนา ความเชื่อ รสนิยมทางเพศ อัตลักษณ์ทางเพศ สัญชาติ ความพิการ ข้อมูลทางพันธุกรรม การตั้งครรภ์ สถานะทหารผ่านศึก หรือคุณลักษณะอื่นใดที่ได้รับการคุ้มครองตามกฎหมายของรัฐบาลกลาง รัฐ หรือท้องถิ่น
