Analytics Engineer

Our client, a real estate and asset-based lender, is looking to hire a full- time Analytics Engineer to work onsite out of their Midtown Manhattan location.

This is a dynamic team focusing on optimizing the firm's asset management operations and business intelligence (BI) capabilities. This role combines technical data engineering expertise with analytical science skills to drive data-informed decision-making across their portfolio.

This is a broad/generalist focused role with a heavy focus on Data Engineering first and foremost (although there may be some data science oriented projects as well).

Responsibilities:

• Build automated reporting systems and interactive dashboards for portfolio monitoring, including custom analyses for executive leadership, asset management, and origination
• Implement machine learning (AI) models for asset valuation, market analysis, and investment opportunity screening
• Build and optimize Snowflake databases and queries to support real-time business intelligence needs
• Design and implement quality assurance processes for data extraction, transformation, and analysis workflows
• Design and maintain scalable data pipelines in Nexla and Python to integrate property management systems, financial databases, and market data feeds into Snowflake DW
• Create predictive models to identify asset performance trends, risks, and opportunities across the real estate portfolio, with a focus on occupancy rates and NOI metrics
• Design and optimize ETL processes to ensure data quality/consistency, with robust monitoring and alert systems

Qualifications:

• Bachelor's or Master's Degree in Computer Science, Data Science, or related field
• 3-7 years of experience; additional experience may be considered in lieu of degree
• Strong Python programming with proficiency in Python requests libraries (pandas, numpy, scikit-learn)
• Experience building and optimizing ETL pipelines using modern data platforms (they use Nexla) and working with Snowflake or similar cloud data warehouses
• Proficiency in data preprocessing, cleaning, and transformation techniques for both structured and unstructured data sources
• Advanced SQL expertise, ideally with Snowflake, including optimization/security best practices

Nice To Haves (Not Required):

• ML frameworks (TensorFlow, PyTorch)
• Experience with supervised and unsupervised learning algorithms, model evaluation metrics, and ML deployment in production environments
• Experience with large language models (LLMs), prompt engineering, and NLP frameworks (e.g., Hugging Face Transformers) for document processing and information extraction
• Develop and implement OCR/NLP models to extract, validate, and classify key information from loan agreements, property reports, and other financial documents