Über den Job

Die Universität St. Gallen ist eine führende Wirtschaftsuniversität mit über 10.000 Studierenden und 3.700 Mitarbeitenden. Das Schweizerische Institut für Aussenwirtschaft und Angewandte Wirtschaftsforschung, kurz SIAW-HSG, beschäftigt rund 40 Mitarbeitende und ist eines der 36 Institute der Universität. Unser Fokus liegt auf Aussenhandel, Makroökonomie, Steuern und Sozialsystemen, Öffentlicher Wirtschaft, Umweltökonomie, Finanzökonomie und Versicherungen. Wir sind verantwortlich für Forschung, Lehre und Dienstleistungen in unseren Fachgebieten und bilden Nachwuchstalente für Forschung und die Schnittstelle zwischen Wissenschaft und Praxis aus. Der Lehrstuhl für Internationale Wirtschaft am

SIAW

verfügt über Expertise in Versicherung, Banken und systemischem Risiko, mit Schwerpunkt auf der Verbindung akademischer Erkenntnisse und regulatorischer Praxis.

Bewerbungsvoraussetzungen

Für den Beginn des Bewerbungsprozesses reichen Sie bitte ein:

• Motivationsschreiben, das Ihr Interesse an der Stelle und relevante Erfahrungen in Data Science, Data Engineering oder Forschungsinfrastruktur mit konkreten Beispielen der Projekte und Ihrer Rolle darin erläutert
• Lebenslauf
• Akademische Zeugnisse, insbesondere vom Masterstudium
• Beispiel technischer Arbeiten, wie ein GitHub-Repository, Programmierprojekt, Datenpipeline, Abschlussarbeit, Seminararbeit oder andere relevante Arbeitsproben
• Namen von bis zu zwei akademischen oder beruflichen Referenzen

Bewerbungen werden fortlaufend geprüft, bis die Stelle besetzt ist.

Verantwortlichkeiten und Projekt

Die Stelle unterstützt die Entwicklung eines Forschungs-Data-Lake für empirische Arbeiten mit grossen finanziellen, textlichen, lizenzierten und teilweise vertraulichen Datensätzen. Ziel ist es, eine robuste, gut dokumentierte und reproduzierbare Dateninfrastruktur zu schaffen, die Forschenden ermöglicht, Daten effizient und sicher zu erfassen, zu speichern, zu verarbeiten, zu dokumentieren und zu analysieren. Forschungs- und Infrastrukturaufgaben umfassen Data Engineering, Programmierung, Dokumentation und Koordination mit Forschenden und IT-/Plattformanbietern.

Entwurf und Implementierung des Forschungs-Data-Lake

• Unterstützung beim Entwurf einer skalierbaren Datenarchitektur für ca. 5 TB Forschungsdaten
• Strukturierung der Daten in Roh-, bereinigte und analysebereite Schichten
• Entwicklung klarer Benennungskonventionen, Ordnerstrukturen, Zugriffsregeln und Dokumentationsstandards
• Sicherstellung, dass der Data Lake die langfristige Aufbewahrung von Roh- und verarbeiteten Daten unterstützt

Datenaufnahme und Integration

• Aufbau automatisierter Workflows zum Import von Daten von externen Anbietern, Datenbanken, APIs, Dateilieferungen und von Forschenden gepflegten Quellen
• Integration von Finanzdatensätzen, Textdatensätzen und anderen lizenzierten Forschungsdaten in eine konsistente Infrastruktur
• Implementierung von Validierungsprüfungen, Protokollierung, Fehlerbehandlung und Versionskontrolle bei Datenaktualisierungen
• Dokumentation der Datenherkunft, Lizenzen, Aktualisierungsfrequenzen und Nutzungsbeschränkungen

Automatisierung von Forschungspipelines

• Entwicklung reproduzierbarer Pipelines zum Bereinigen, Transformieren und Vorbereiten von Datensätzen für empirische Forschung
• Erstellung wiederverwendbarer Skripte und Vorlagen für wiederkehrende Datentasks
• Unterstützung von Forschenden bei der Umwandlung manueller Datenarbeit in automatisierte und dokumentierte Workflows
• Beitrag zu reproduzierbaren Forschungspraktiken durch Git-basierte Codeverwaltung und klare Pipeline-Dokumentation

Datenverwaltung, Vertraulichkeit und Zugriffsmanagement

• Mitwirkung bei der Implementierung von Verfahren zum Umgang mit lizenzierten und vertraulichen Datensätzen
• Unterstützung von rollenbasierten Zugriffskonzepten, Dokumentation von Datenberechtigungen und Einhaltung von Anbietervereinbarungen
• Erstellung von Dateninventaren und Metadaten-Dateien, um Datensätze für das Forschungsteam auffindbar und nutzbar zu machen
• Koordination mit interner IT oder externen Plattformanbietern bei Bedarf

Forschungsunterstützung

• Unterstützung von Forschenden bei Datenvorbereitung, Qualitätsprüfungen, explorativer Analyse und technischer Fehlerbehebung
• Bereitstellung von Dokumentationen und kurzen internen Anleitungen, damit die Infrastruktur über die initiale Projektphase hinaus gepflegt werden kann
• Beitrag zu weiteren datenintensiven Forschungsprojekten am Lehrstuhl oder Institut, wo angemessen

Ihr Profil

• Masterabschluss in Data Science, Informatik, Statistik, Ökonometrie, Informationssystemen oder einem eng verwandten Fachgebiet
• Starkes Interesse an Forschungsdateninfrastruktur, Data Engineering, Automatisierung empirischer Forschungspipelines und reproduzierbarer Wissenschaft
• Ausgezeichnete Programmierkenntnisse, vorzugsweise in Python und SQL; Erfahrung mit R, Stata oder Matlab ist von Vorteil
• Erfahrung mit Data Engineering Tools und Workflows, wie APIs, ETL/ELT-Pipelines, Git, Docker, Workflow-Automatisierung, Metadaten-Dokumentation oder cloudbasierten Forschungsumgebungen
• Vertrautheit mit strukturierten und unstrukturierten Daten, inklusive Finanzdatensätzen, Textdaten und grossen Dateisystemen
• Gutes Verständnis von Datenverwaltung, Zugriffskontrolle, Dokumentation und Reproduzierbarkeit
• Bereitschaft, sorgfältig mit lizenzierten und vertraulichen Forschungsdaten umzugehen
• Hohe Motivation und Fähigkeit, selbstständig sowie in enger Zusammenarbeit mit Forschenden und IT-/Dateninfrastruktur-Anbietern zu arbeiten
• Vorerfahrung mit cloudbasierten Data-Science-Plattformen ist von Vorteil