Analytics Engineering Manager, Datenplattform und Governance

Hauptsitz: Brasilien

URL: http://lawnstarter.com

Über LawnStarter

LawnStarter ist der landesweit führende On-Demand-Marktplatz für Rasenpflege und Outdoor-Dienstleistungen mit jährlichen Buchungen von über 750 Millionen US-Dollar. Wir expandieren über die Rasenpflege hinaus und werden zum One-Stop-Shop für alle Haushaltsdienstleistungen, der über drei Marken (LawnStarter, Lawn Love, Home Gnome) auf einer einzigen gemeinsamen Plattform operiert.

Über Analytics bei LawnStarter

Wir sind ein kleines, hochrangiges Analyseteam, das das gesamte Unternehmen, das Produkt, das Marketing, den Betrieb und die Finanzen auf Grundlage der von uns bereitgestellten Daten unterstützt. Das Fundament ist solide: ein zentralisiertes Redshift-Data-Warehouse, in dem alle Quelldaten landen, in dbt modelliert und von Airflow orchestriert, wobei Segment Ereignisdaten einspeist. Sie werden keine verstreuten Quellen zusammenfügen, die Plattform existiert; Ihre Aufgabe ist es, dafür zu sorgen, dass es vertrauenswürdig ist und dass es so bleibt. Wir sind mitten in der Migration zu Lightdash als unserer einzigen BI-Plattform, die Tableau und Metabase ersetzt.

Hier ist die ehrliche Lücke: Jeder im Team ist heute ein Analyst. Datenqualität, Tracking-Standards und Plattformhygiene werden als Nebenarbeit zwischen den Analysen erledigt. Niemand wacht mit dem Gedanken an sie auf, und das ist genau die Stelle, für die wir einstellen.

Die Rolle

Sie sind die erste Person bei LawnStarter, die sich der Datenverwaltung widmet, der Eigentümer darüber, ob unsere Daten vertrauenswürdig sind, und der Roadmap, die sie vierteljährlich vertrauenswürdiger macht. Vertrauen bedeutet die Qualität und Aktualität unserer Quelldaten, Pipelines und Berichte; die Definitionen hinter unseren Kennzahlen; die Standards hinter unserer Segment-Ereignisverfolgung; die Gesundheit unseres Lightdash-Arbeitsbereichs; die Daten, die unsere Modelle für maschinelles Lernen speisen; und die Sicherheit der Daten selbst. Die Roadmap bedeutet, mit Produkt, Marketing, Betrieb und Finanzen zusammenzusitzen, um zu verstehen, was das Unternehmen an Daten braucht, diese in Prioritäten für die Plattform umzuwandeln und die Arbeit, Ihre und bald auch die Ihres Teams, zu sequenzieren.

Dies ist eine praktische Rolle, die jeder Manager bei LawnStarter übernimmt, und dieser hier ist keine Ausnahme. Sie beginnen alleine, mit dem Analytics-Team um Sie herum: Bauen Sie Automatisierung auf, stellen Sie Schecks aus, reparieren Sie, was kaputt ist, und richten Sie Prozesse ein, die über Sie hinausgehen. Sobald Sie gelandet sind, eröffnen wir Ihnen eine Stelle als Lead Analytics Engineer, Sie helfen bei der Auswahl und die Funktion wächst von da an je nach Umfang.

Was macht diese Rolle anders?

•
Du bist der Erste. Governance war für jeden ein Nebenjob. Was heute existiert, können Sie umgestalten, behalten, was funktioniert, und umgestalten, was nicht funktioniert, und Ihre Standards werden zu den Standards des Unternehmens.

•
Sie besitzen die Roadmap, nicht einen Rückstand. Niemand gibt Ihnen Anforderungen vor, Sie ermitteln anhand der Daten, was das Unternehmen benötigt, und entscheiden, was in welcher Reihenfolge und warum erstellt wird.

•
Besitz des gesamten Stacks. Von der Datenquelle über Pipelines bis hin zu Dashboards und ML-Modellen besitzen Sie Vertrauen in der gesamten Kette, nicht nur in einem Teil davon.

•
Eine Live-Migration zur Gestaltung. Lightdash landet jetzt. Sie können Berechtigungen, Strukturen und Normen festlegen, bevor sich schlechte Gewohnheiten bilden, anstatt sie später zu entwirren.

Was Sie besitzen werden

•
Die Daten-Roadmap – Ermitteln, welche Daten Produkte, Marketing, Betrieb und Finanzen benötigen, Priorisierung gegenüber dem Zustand der Plattform und Reihenfolge der Investitionen. Sie präsentieren es, verteidigen es und planen es neu, wenn sich das Unternehmen verändert.

•
Datenqualität und -aktualität – automatisierte Überwachung aller Quelldaten, Pipelines und Berichte; Erkennen von Upstream-Schema- und Quelländerungen, bevor sie Downstream-Änderungen beeinträchtigen; Durchführen von Vorfällen zur Lösung, wenn sie auftreten.

•
Datenherkunfts- und Auswirkungsanalyse – eine lebendige Karte von der Produktionsquelle über das Lagermodell bis zum Dashboard und den Prozess, der sie verwendet: Wenn eine Produktionsänderung vorgeschlagen wird, werden ihre nachgelagerten Auswirkungen auf Pipelines, Metriken und Berichte vor der Auslieferung bewertet und nicht erst danach entdeckt. Der Endzustand sind Datenverträge mit der Technik, sodass bahnbrechende Änderungen in ihrem Arbeitsablauf hängen bleiben, nicht in unserem.

•
Lightdash – Verwaltung, Arbeitsbereichsstruktur, Berechtigungen und der Rollout selbst. Ihre Aufgabe besteht darin, dem Unternehmen Autonomie bei der Selbstbedienung zu geben und gleichzeitig dafür zu sorgen, dass der Arbeitsplatz so aufgeräumt ist, dass die Leute finden und vertrauen können, was dort ist. Die Befähigung ist Teil des Geschäfts, die Mitarbeiter halten sich an die Standards, die ihnen beigebracht wurden, und das gilt auch dafür, dass Anfragen schnell und die Lagerkosten im Rahmen bleiben.

•
Die semantische Ebene – wir haben sie gerade für unsere wichtigsten Metriken ausgeliefert: eine geregelte Definition pro Metrik im Code. Sie erweitern die Definition und Zuordnung auf den Rest und schützen die Ebene vor unkontrolliertem Wachstum bei der Skalierung.

•
Event-Tracking-Governance – unser geregelter Segment-Event-Katalog: Überprüfung neuer Events anhand seiner Standards, Anpassung an das, was die Produktion tatsächlich sendet, und Weiterentwicklung der Leitplanken (Benennung, Eigenschaftsverzeichnis, Drifterkennung), wenn die Nachverfolgung zunimmt.

•
KI-Datenbereitschaft – KI-Agenten fragen unser Lager täglich über Brain, unser internes KI-Toolkit, ab. Sie steuern, auf welche Daten KI-Tools zugreifen können, und sorgen dafür, dass das Lager KI-lesbar bleibt: dokumentiert, konsistent und sicher, damit ein Agent Abfragen durchführen und die richtige Antwort erhalten kann.

•
Datensicherheit und Datenschutz – Zugriffskontrollen, PII-Verwaltung und -Aufbewahrung gemäß den Datenschutzgesetzen der US-Bundesstaaten sowie regelmäßige Überprüfungen darüber, wer und welche KI-Tools was sehen können.

•
Das Governance-System selbst – die Dokumentation, Eigentumsmodelle und Überprüfungsschleifen, die dafür sorgen, dass all das ohne Heldentaten funktioniert.

Zu lösende Probleme

Verwandeln Sie Geschäftsanforderungen in eine Daten-Roadmap. Jeder Bereich des Unternehmens möchte etwas von Daten haben, und heute erreichen diese Anfragen das Analytics-Team als Strom von Unterbrechungen. Sie bauen die Aufnahme und Priorisierung auf, die daraus eine Roadmap macht, die die Bedürfnisse der Stakeholder mit der Gesundheit der Plattform in Einklang bringt, den Kontakt mit einem sich verändernden Unternehmen übersteht und in der sich Ihre Stakeholder wiederfinden können. Der schwierige Teil: „Noch nicht“ zu wichtigen Personen zu sagen, mit einem Grund, den sie respektieren.…

Quelle: Wir arbeiten remote (https://weworkremotely.com/remote-jobs/lawnstarter-analytics-engineering-manager-data-platform-governance)