Datenanalyse-Ingenieur

Über Toptal

Toptal ist ein globales Netzwerk von Top-Talenten aus Wirtschaft, Design und Technologie, das es Unternehmen ermöglicht, ihre Teams nach Bedarf zu skalieren. Mit einem Jahresumsatz von über 200 Millionen US-Dollar und Teammitgliedern rund um den Globus ist Toptal die weltweit größte vollständig remote arbeitende Belegschaft.

Wir nutzen die besten Elemente virtueller Teams und kombinieren sie mit einer Unterstützungsstruktur, die Innovation, soziale Interaktion und Spaß fördert. Wir kennen keine Grenzen, bewegen uns schnell und haben keine Angst davor, neue Maßstäbe zu setzen.

Jobzusammenfassung:

Toptal ist stolz darauf, ein datengesteuertes Unternehmen zu sein. Das Hauptziel des Data Analytics Engineer besteht darin, durch die Schaffung der Datengrundlage für eine erstklassige Analysefunktion dabei zu helfen, geschäftliche Auswirkungen zu erzielen und die Entscheidungsfindung zu verbessern. Diese Rolle wird von entscheidender Bedeutung sein, um das Vertrauen in unsere Daten und das Vertrauen in unsere Entscheidungen zu stärken.

Unsere Data Analytics Engineers konzentrieren sich auf die Schaffung einer Datenumgebung, die der Analyse und Geschäftsentscheidungsfindung förderlich ist. Sie sind Eigentümer und Pfleger der Datentransformationsebene. Dies erfordert Daten-Governance (Qualität, Genauigkeit, Abdeckung, Sicherheit), Datenmodellierung (Struktur, Beziehungen, Integrität), technische Kommunikation (Datenwörterbücher, Benutzerschulung), Qualitätskontrolle (Codeüberprüfungen, Datenvalidierung), Rohdatenanalyse und den Aufbau von KI-Datensystemen und -Pipelines. Sie sind der Product Owner für unser Data Warehouse und stimmen sich eng mit unseren funktionalen Business Analysten auf der einen und Data Engineers auf der anderen Seite ab.

Diese Rolle ist im Business Analytics Center of Excellence angesiedelt und stellt sicher, dass allen nachgelagerten Datennutzern vertrauenswürdige Daten zur Verfügung stehen. Positive Beziehungen sowohl zu Dateningenieuren als auch zu Geschäftsanalysten werden von entscheidender Bedeutung sein, aber Sie müssen auch unabhängig denken und Ihren eigenen Standpunkt einbringen. Um in dieser Rolle erfolgreich zu sein, müssen Sie SQL täglich leben und atmen und ein kritischer Denker, Problemlöser und Eigeninitiative sein.

Diese Rolle erfordert einen KI-lastigen Workflow und entsprechende Fähigkeiten. Wir haben unsere Codebasis so umgestaltet, dass sie für die Agentenentwicklung instrumentiert ist, und bauen unsere internen KI-Tools weiter aus. Sie werden Teil dieses Prozesses sein. Eine Voraussetzung für diese Rolle ist der fließende Umgang mit LLMs und Agenten-Codierungstools. Die Kehrseite davon ist der Teil, den Maschinen nicht leisten können: unser Geschäft und unsere Kennzahlen genau zu verstehen und Entscheidungen darüber zu treffen, was wichtig ist und was nicht, um die Geschäftsziele des Unternehmens voranzutreiben.

Dies ist eine entfernte Position. Wir bieten kein Visa-Sponsoring oder Unterstützung an. Lebensläufe und Mitteilungen müssen in englischer Sprache eingereicht werden.

Verantwortlichkeiten:

Die folgenden Informationen sollen die allgemeine Art und den Umfang der ausgeführten Arbeiten beschreiben. Es handelt sich nicht um eine erschöpfende Liste aller Pflichten, Verantwortlichkeiten oder erforderlichen Fähigkeiten.

• Entwerfen, schreiben, überprüfen und versenden Sie SQL-Modelle in unseren Repositorys, die Rohdaten in nutzbare Datenprodukte für alle Interessengruppen der Organisation umwandeln. Besitzen und pflegen Sie die Transformationsebene.

• Arbeiten Sie proaktiv mit den Dateningenieuren zusammen, um sicherzustellen, dass neue Datenquellen hinzugefügt und verfügbar sind und dann in unserem Data Warehouse modelliert und veröffentlicht werden.

• Überwachen Sie das Data Warehouse proaktiv und extrahieren Sie Erkenntnisse, um Möglichkeiten zur Verbesserung von Datenvorgängen, Datengenauigkeit und -qualität, Abdeckung, Integrität, Struktur und allgemeiner Benutzerfreundlichkeit zu identifizieren.

• Verwandeln Sie mehrdeutige Geschäftsanfragen in modellierte Daten. Führen Sie eine Anforderungserhebung mit Stakeholdern durch. Legen Sie die Struktur fest, legen Sie Randfälle offen, schreiben Sie die Geschäftsregeln auf und schieben Sie zurück, wenn die Anfrage zu einer irreführenden Zahl führen würde.

• Implementieren Sie Maßnahmen und Prozesse, um die Datenqualität, Genauigkeit, Abdeckung, Herkunft, Zugriff und Aufbewahrung in Dutzenden von Quellproduktionsdatenbanken zu verbessern.

• Besitzen Sie das Datenwörterbuch. Schreiben Sie eine Tabellen- und Spaltendokumentation, die jedes Feld bis zu seinem wahren Ursprung zurückverfolgt. Diese Dokumentation wird sowohl von KI-Agenten als auch von Menschen genutzt und ist ein integraler Bestandteil der semantischen Ebene.

• Datenvorfälle diagnostizieren und beheben.

• Überprüfen Sie den Code Ihrer Teamkollegen und geben Sie Feedback, um die Hygiene der Data Warehouse-Produktionsumgebung aufrechtzuerhalten.

• Arbeiten Sie eng mit Business-Analysten, Dateningenieuren, Datenwissenschaftlern und Geschäftsprozessverantwortlichen zusammen, um eine datengesteuerte Entscheidungsfindung zu ermöglichen.

• Ermöglichen Sie Endbenutzern, Daten besser zu nutzen und Komplexitäten, Nuancen und Einschränkungen zu verstehen.

• Helfen Sie dabei, das Team schneller zu machen. Verbessern Sie die Playbooks, Dokumentationen und Tools der Agenten, die das Team für die Arbeit mit dem Lager verwendet.

Erwarten Sie in der ersten Woche Folgendes:

• Steigen Sie bei Toptal ein, integrieren Sie sich und lernen Sie unsere Geschichte, Kultur und Vision kennen.

• Bringen Sie Ihre Umgebung durchgängig zum Laufen: GCP-Zugriff, BigQuery, die Dataform-Repositorys und unsere Agenten-Entwicklungstools.

• Begleiten Sie die Teams, deren Daten Sie besitzen werden, um den Kern der Abläufe und Fähigkeiten von Toptal kennenzulernen, einschließlich Growth, Talent Operations, Enterprise und SMB.

Erwarten Sie im ersten Monat Folgendes:

• Verstehen Sie die durch Unternehmensabläufe und -aktivitäten generierten Daten und wissen Sie, wo/wie diese Daten gespeichert werden.

• Verstehen Sie unsere ETL-Prozesse, Zeitpläne, Tools, Überwachung, Roadmap und Schwachstellen.

• Verstehen Sie unsere Quellsysteme und wissen Sie, wo sie in unsere Geschäftsprozesse passen.

• Beginnen Sie damit, eingehende Datenfragen von Business-Analysten zu erhalten und zu recherchieren.

• Erstellen Sie unabhängig Ihre erste Dataform-Pull-Anfrage und beginnen Sie mit der Überprüfung der PRs Ihrer Teamkollegen.

Erwarten Sie in den ersten drei Monaten Folgendes:

• Entwickeln Sie eine Beherrschung unserer Kerndatenelemente und -einheiten.

• Beginnen Sie mit der Standardisierung von Definitionen und der Erstellung von SQL-Logik, um Definitionen in die Datenschicht zu übertragen.

• Seien Sie ein Ersthelfer bei Datenvorfällen und diagnostizieren Sie die Grundursache anhand von Beweisen und einem methodischen Ansatz.

• Beginnen Sie mit der Dokumentation von Datenflüssen, Definitionen, Berechnungsmethoden und Datenelementen, um die semantische Ebene kontinuierlich aufzubauen und zu verbessern.

Erwarten Sie in den ersten sechs Monaten Folgendes:…

Quelle: Jobicy (https://jobicy.com/jobs/154889-data-analytics-engineer-2)