Sr. Data Analytics Consultant

SUMMARY: 

∙Develop and implement a strategic data analytics roadmap for the healthcare payer business, aligned 

with overall business objectives. 

∙Design and execute complex data analysis projects focused on areas like risk rating, claims 

adjudication, and enrollment optimization. 

∙Conduct statistical analysis and modeling to identify trends, patterns, and key insights from 

healthcare payer data. 

∙ Minimum 5 years of experience in healthcare payer analytics, with a proven track record of success 

in leading and delivering impactful projects. 

∙Strong understanding of risk adjustment methodologies (e.g., Hierarchical Condition Category (HCC) 

coding) and their impact on healthcare payer reimbursement. 

∙In-depth knowledge of healthcare claims and enrollment data structures and processes. 

∙Proven experience utilizing big data technologies like Hadoop, Spark, or similar on cloud platforms 

like AWS. 

∙Proficiency in programming languages like Scala, Python, or R for data manipulation and analysis. 

∙Excellent communication, presentation, and interpersonal skills with the ability to effectively 

translate technical findings to a non-technical audience. 

KEY DUTIES AND RESPONSIBILITIES:  

​ 

∙Design, develop, and maintain robust data pipelines using Python and PySpark to process large 

volumes of healthcare data efficiently in a multitenant analytics platform. 

∙Collaborate with cross-functional teams to understand data requirements, implement data models, 

and ensure data integrity throughout the pipeline. 

∙Optimize data workflows for performance and scalability, considering factors such as data volume, 

velocity, and variety. 

∙Implement best practices for data ingestion, transformation, and storage in AWS services such as S3, 

Glue, EMR, and Redshift. 

∙Model data in relational databases (e.g., PostgreSQL, MySQL) and file-based databases to support 

data processing requirements. 

∙Design and implement ETL processes using Python and PySpark to extract, transform, and load data 

from various sources into target databases. 

∙Troubleshoot and enhance existing ETLs and processing scripts to improve efficiency and reliability of 

data pipelines. 

∙Develop monitoring and alerting mechanisms to proactively identify and address data quality issues 

and performance bottlenecks. 

EDUCATION AND EXPERIENCE: 

∙Minimum of 5 years of experience in data engineering, with a focus on building and optimizing data 

pipelines. 

∙Expertise in Python programming and hands-on experience with PySpark for data processing and 

analysis. 

 Proficiency in Python frameworks and libraries for scientific computing (e.g. Numpy, Pandas, SciPy, 

Pytorch, Pyarrow). 

∙Strong understanding of AWS services and experience in deploying data solutions on cloud platforms. 

∙Experience working with healthcare data, including but not limited to eligibility, claims, payments, 

and risk adjustment datasets. 

∙Expertise in modeling data in relational databases (e.g., PostgreSQL, MySQL) and file-based 

databases, ETL processes and data warehousing concepts. 

∙Proven track record of designing, implementing, and troubleshooting ETL processes and processing 

scripts using Python and PySpark. 

∙Excellent problem-solving skills and the ability to work independently as well as part of a team. 

∙Bachelor's or Master's degree in Computer Science, Data Engineering, or a related field. 

∙Relevant certifications in AWS or data engineering would be a plus. 

Knowledge, Skills and Abilities: 

∙Expertise in Python programming language for data processing and analysis. 

∙Expertise in PySpark for building scalable data pipelines. 

∙In-depth knowledge of AWS services such as S3, Glue, EMR, and Redshift for data storage and 

processing. 

∙Familiarity with relational databases (e.g., PostgreSQL, MySQL) and file-based databases for data 

modeling and storage. 

∙Understanding of data modeling, ETL processes, and data warehousing concepts. 

∙Knowledge of best practices in data engineering and experience in optimizing data workflows for 

performance and scalability. 

∙Experience in healthcare data domains, including eligibility, claims, payments, and risk adjustment 

datasets. 

∙Up-to-date knowledge of emerging technologies and trends in data engineering. 

∙Strong problem-solving skills and the ability to troubleshoot and optimize data pipelines and ETL 

processes. 

∙Excellent communication and collaboration skills to work effectively with cross-functional teams. 

∙Proficient in designing, implementing, and maintaining data pipelines for processing large volumes of 

data. 

∙Ability to model data in relational and file-based databases to support data processing requirements. 

∙Skill in developing monitoring and alerting mechanisms to ensure data quality and pipeline reliability. 

∙Experience in deploying data solutions on cloud platforms and utilizing AWS services for data 

processing. 

∙Proficiency in writing efficient and maintainable code for data processing tasks. 

∙Ability to stay organized, prioritize tasks, and meet project deadlines effectively. 

∙Ability to work independently and in a team-oriented, collaborative environment. 

∙Strong analytical skills to identify and address data quality issues and performance bottlenecks. 

∙Capability to innovate and recommend solutions for continuous improvement in data engineering 

processes. 

∙Ability to communicate complex technical concepts to non-technical stakeholders effectively. 

∙Strong attention to detail and commitment to delivering high-quality work. 

∙Ability to deal with problems involving several concrete variables in standardized situations.  

∙Ability to interact politely, tactfully and firmly with a wide range of people and personalities.  

∙Ability to work in an environment with potential interruptions.  

∙Ability to manage multiple simultaneous tasks with individual timeframes and priorities.