Job
Aus Partner-Feed
Analytics-Ingenieur
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Ja
- Unternehmen
- prolific
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Analytics-Ingenieur
Produktiv
Prolific ist nicht nur ein weiterer Akteur im KI-Bereich – wir sind die Architekten der menschlichen Dateninfrastruktur, die die Landschaft der KI-Entwicklung neu gestaltet. In einer Welt, in der grundlegende KI-Technologien zunehmend zur Ware werden, sind es die Qualität und Vielfalt der von Menschen generierten Daten, die Produkte und Modelle wirklich auszeichnen.
Die Rolle
Als Analytics Engineer im Dateninfrastrukturteam von Prolific stehen Sie an vorderster Front bei der Transformation und Wartung der Dateninfrastruktur von Prolific, da sich die Art und Weise, wie Menschen mit Daten arbeiten, schnell ändert. Ihre Arbeit wird maßgeblich an der Neugestaltung und Skalierung unseres Datenstapels beteiligt sein und sicherstellen, dass Datenpipelines robust, effizient und zuverlässig sind und dass unsere Daten sowohl von Menschen als auch von KI-Systemen abgefragt werden können.
Durch den Besitz und die Optimierung unserer Analysecodebasis und semantischen Ebene ermöglichen Sie Teams im gesamten Unternehmen, vertrauenswürdige Antworten zu erhalten, sei es über BI-Dashboards oder Fragen in natürlicher Sprache. Sie gestalten mit, wie wir LLMs und Agenten sicher und effektiv in die Analysetechnik integrieren, und Sie schließen die Lücke zwischen technischen und nichttechnischen Interessenvertretern, damit komplexe Datenlösungen klar verstanden und auf die Geschäftsziele abgestimmt werden.
Was Sie in die Rolle einbringen
• Fachwissen in DBT und SQL: Umfangreiche Erfahrung mit DBT und SQL zum Entwerfen, Erstellen und Verwalten skalierbarer Datenmodelle.
• Semantische Modellierung: Erfahrung in der Definition von Metriken, Entitäten und Geschäftslogik in einer semantischen Ebene (z. B. dbt Semantic Layer/MetricFlow, Cube, LookML oder ähnliches) mit einem Verständnis dafür, was ein Modell für Abfragen in natürlicher Sprache zuverlässig macht.
• Angewandte KI in Datenworkflows: Praktische Erfahrung mit LLMs in der Datenarbeit, wie Klassifizierung, Extraktion oder Anreicherung innerhalb von Transformationen, und ein Verständnis dafür, wie Ausgaben bewertet, getestet und gesteuert werden, die nicht vollständig deterministisch sind.
• Agentische Tools: Vertrautheit mit KI-Codierungsassistenten und -Agenten (z. B. Claude Code, Cursor, MCP-basierte Tools) und eine praktische Sicht darauf, wo sie die Analysetechnik beschleunigen und wo eine menschliche Überprüfung unerlässlich ist.
• Cloud-Technologiewissen: Ausgeprägte Vertrautheit mit Cloud-Plattformen wie AWS oder GCP.
• Fokus auf Datengenauigkeit: Leidenschaft für die Sicherstellung einer hohen Datenqualität durch Tests, Aussagen, Auswertungen und robuste Dokumentation.
• Kommerzieller Scharfsinn: Fähigkeit, Geschäftsanforderungen zu verstehen und effektiv mit nicht-technischen Interessengruppen zu kommunizieren.
• Zusammenarbeit: Fähigkeit, funktionsübergreifend zu arbeiten und komplexe technische Konzepte in umsetzbare Erkenntnisse für das Unternehmen umzusetzen.
• Prozessgesteuert: Kompetenz im Entwerfen wiederholbarer, skalierbarer Arbeitsabläufe für die Datentransformation, einschließlich solcher, die automatisierte Agenten mit menschlicher Aufsicht kombinieren.
Was Sie in der Rolle tun werden
• Erstellen von Datenmodellen: Erstellen Sie komplexe DBT-Modelle, benutzerdefinierte Makros und wiederverwendbare Pakete. Optimieren Sie Transformationen und implementieren Sie robuste Teststrategien, um Datenintegrität und Modellleistung sicherzustellen.
• Aufbau der semantischen Ebene: Entwerfen und pflegen Sie eine semantische Ebene mit klar definierten Metriken, Dimensionen und Beschreibungen, damit Stakeholder und KI-Assistenten Unternehmensdaten in natürlicher Sprache abfragen und konsistente, genaue Antworten erhalten können.
• Einführung nichtdeterministischer Transformationen: Erstellen und produzieren Sie LLM-gestützte Schritte in unseren Pipelines, wie z. B. die Kategorisierung von Freitext oder die Anreicherung von Datensätzen, mit klaren Bewertungsrahmen, Kosten- und Latenzüberwachung und Fallbacks, um die Vertrauenswürdigkeit der Ergebnisse zu gewährleisten.
• Entwickeln von Agenten-Workflows: Entwerfen und übernehmen Sie Agenten-Workflows im gesamten Analyse-Engineering-Lebenszyklus, einschließlich Modellgenerierung, Dokumentation, Testabdeckung, Codeüberprüfung und Vorfallstriage, und definieren Sie gleichzeitig die Leitplanken und Überprüfungsprozesse, die eine hohe Qualität gewährleisten.
• Verantwortung: Überwachen und pflegen Sie DBT-Workflow-Jobs und sorgen Sie so für reibungslose Datenaktualisierungen und aktuelle Pipelines. Sie sind außerdem für Datenmodelle verantwortlich, die BI-Analysen und Berichte auf Unternehmensebene unterstützen.
• Sicherstellung der Datengenauigkeit: Schreiben Sie Tests und Behauptungen, um die Datenintegrität und -konsistenz über Modelle hinweg zu validieren, und erstellen Sie Bewertungssätze, um die Genauigkeit natürlicher Sprache und LLM-gesteuerter Ausgaben zu messen.
• Dokumentieren und Standardisieren: Erstellen und pflegen Sie eine gründliche Dokumentation von DBT-Prozessen und semantischen Definitionen und behandeln Sie Metadaten als erstklassigen Vermögenswert, da sie die Qualität der KI-generierten Antworten direkt beeinflussen.
• Komplexe Datenkonzepte übersetzen: Als Hauptkommunikator fungieren und technische Datenprobleme in verständliche Geschäftsbegriffe für Stakeholder übersetzen.
• Mentoring von Teammitgliedern: Unterstützen Sie Nachwuchsanalysten und Dateningenieure, insbesondere bei der Einrichtung von Experimentierplattformen, der verantwortungsvollen Einführung von KI-Tools und der Befolgung von Best Practices für Daten.
• Teamübergreifende Zusammenarbeit: Arbeiten Sie eng mit Produkt-, Technik- und BI-Teams zusammen, um sicherzustellen, dass die Dateninfrastruktur die sich entwickelnden Geschäftsanforderungen unterstützt, einschließlich KI-gesteuerter Produkte und interner Tools.
Warum Prolific ein großartiger Arbeitgeber ist
Wir haben eine einzigartige Plattform aufgebaut, die Forscher und Unternehmen mit einem globalen Teilnehmerpool verbindet und die Sammlung hochwertiger, ethisch unbedenklicher menschlicher Verhaltensdaten und Rückmeldungen ermöglicht. Diese Daten sind der Grundstein für die Entwicklung genauerer, differenzierterer und abgestimmterer KI-Systeme.
Wir glauben, dass der nächste Sprung in den KI-Fähigkeiten nicht nur durch die Skalierung bestehender Modelle, sondern durch die Integration verschiedener menschlicher Perspektiven und Verhaltensweisen in die KI-Entwicklung erfolgen wird. Durch die Bereitstellung dieser entscheidenden Infrastruktur für menschliche Daten positioniert sich Prolific an der Spitze der nächsten Welle der KI-Innovation – einer Welle, die die Breite und das Beste der Menschheit widerspiegelt.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/prolific/remote-analytics-engineer-179618)
Produktiv
Prolific ist nicht nur ein weiterer Akteur im KI-Bereich – wir sind die Architekten der menschlichen Dateninfrastruktur, die die Landschaft der KI-Entwicklung neu gestaltet. In einer Welt, in der grundlegende KI-Technologien zunehmend zur Ware werden, sind es die Qualität und Vielfalt der von Menschen generierten Daten, die Produkte und Modelle wirklich auszeichnen.
Die Rolle
Als Analytics Engineer im Dateninfrastrukturteam von Prolific stehen Sie an vorderster Front bei der Transformation und Wartung der Dateninfrastruktur von Prolific, da sich die Art und Weise, wie Menschen mit Daten arbeiten, schnell ändert. Ihre Arbeit wird maßgeblich an der Neugestaltung und Skalierung unseres Datenstapels beteiligt sein und sicherstellen, dass Datenpipelines robust, effizient und zuverlässig sind und dass unsere Daten sowohl von Menschen als auch von KI-Systemen abgefragt werden können.
Durch den Besitz und die Optimierung unserer Analysecodebasis und semantischen Ebene ermöglichen Sie Teams im gesamten Unternehmen, vertrauenswürdige Antworten zu erhalten, sei es über BI-Dashboards oder Fragen in natürlicher Sprache. Sie gestalten mit, wie wir LLMs und Agenten sicher und effektiv in die Analysetechnik integrieren, und Sie schließen die Lücke zwischen technischen und nichttechnischen Interessenvertretern, damit komplexe Datenlösungen klar verstanden und auf die Geschäftsziele abgestimmt werden.
Was Sie in die Rolle einbringen
• Fachwissen in DBT und SQL: Umfangreiche Erfahrung mit DBT und SQL zum Entwerfen, Erstellen und Verwalten skalierbarer Datenmodelle.
• Semantische Modellierung: Erfahrung in der Definition von Metriken, Entitäten und Geschäftslogik in einer semantischen Ebene (z. B. dbt Semantic Layer/MetricFlow, Cube, LookML oder ähnliches) mit einem Verständnis dafür, was ein Modell für Abfragen in natürlicher Sprache zuverlässig macht.
• Angewandte KI in Datenworkflows: Praktische Erfahrung mit LLMs in der Datenarbeit, wie Klassifizierung, Extraktion oder Anreicherung innerhalb von Transformationen, und ein Verständnis dafür, wie Ausgaben bewertet, getestet und gesteuert werden, die nicht vollständig deterministisch sind.
• Agentische Tools: Vertrautheit mit KI-Codierungsassistenten und -Agenten (z. B. Claude Code, Cursor, MCP-basierte Tools) und eine praktische Sicht darauf, wo sie die Analysetechnik beschleunigen und wo eine menschliche Überprüfung unerlässlich ist.
• Cloud-Technologiewissen: Ausgeprägte Vertrautheit mit Cloud-Plattformen wie AWS oder GCP.
• Fokus auf Datengenauigkeit: Leidenschaft für die Sicherstellung einer hohen Datenqualität durch Tests, Aussagen, Auswertungen und robuste Dokumentation.
• Kommerzieller Scharfsinn: Fähigkeit, Geschäftsanforderungen zu verstehen und effektiv mit nicht-technischen Interessengruppen zu kommunizieren.
• Zusammenarbeit: Fähigkeit, funktionsübergreifend zu arbeiten und komplexe technische Konzepte in umsetzbare Erkenntnisse für das Unternehmen umzusetzen.
• Prozessgesteuert: Kompetenz im Entwerfen wiederholbarer, skalierbarer Arbeitsabläufe für die Datentransformation, einschließlich solcher, die automatisierte Agenten mit menschlicher Aufsicht kombinieren.
Was Sie in der Rolle tun werden
• Erstellen von Datenmodellen: Erstellen Sie komplexe DBT-Modelle, benutzerdefinierte Makros und wiederverwendbare Pakete. Optimieren Sie Transformationen und implementieren Sie robuste Teststrategien, um Datenintegrität und Modellleistung sicherzustellen.
• Aufbau der semantischen Ebene: Entwerfen und pflegen Sie eine semantische Ebene mit klar definierten Metriken, Dimensionen und Beschreibungen, damit Stakeholder und KI-Assistenten Unternehmensdaten in natürlicher Sprache abfragen und konsistente, genaue Antworten erhalten können.
• Einführung nichtdeterministischer Transformationen: Erstellen und produzieren Sie LLM-gestützte Schritte in unseren Pipelines, wie z. B. die Kategorisierung von Freitext oder die Anreicherung von Datensätzen, mit klaren Bewertungsrahmen, Kosten- und Latenzüberwachung und Fallbacks, um die Vertrauenswürdigkeit der Ergebnisse zu gewährleisten.
• Entwickeln von Agenten-Workflows: Entwerfen und übernehmen Sie Agenten-Workflows im gesamten Analyse-Engineering-Lebenszyklus, einschließlich Modellgenerierung, Dokumentation, Testabdeckung, Codeüberprüfung und Vorfallstriage, und definieren Sie gleichzeitig die Leitplanken und Überprüfungsprozesse, die eine hohe Qualität gewährleisten.
• Verantwortung: Überwachen und pflegen Sie DBT-Workflow-Jobs und sorgen Sie so für reibungslose Datenaktualisierungen und aktuelle Pipelines. Sie sind außerdem für Datenmodelle verantwortlich, die BI-Analysen und Berichte auf Unternehmensebene unterstützen.
• Sicherstellung der Datengenauigkeit: Schreiben Sie Tests und Behauptungen, um die Datenintegrität und -konsistenz über Modelle hinweg zu validieren, und erstellen Sie Bewertungssätze, um die Genauigkeit natürlicher Sprache und LLM-gesteuerter Ausgaben zu messen.
• Dokumentieren und Standardisieren: Erstellen und pflegen Sie eine gründliche Dokumentation von DBT-Prozessen und semantischen Definitionen und behandeln Sie Metadaten als erstklassigen Vermögenswert, da sie die Qualität der KI-generierten Antworten direkt beeinflussen.
• Komplexe Datenkonzepte übersetzen: Als Hauptkommunikator fungieren und technische Datenprobleme in verständliche Geschäftsbegriffe für Stakeholder übersetzen.
• Mentoring von Teammitgliedern: Unterstützen Sie Nachwuchsanalysten und Dateningenieure, insbesondere bei der Einrichtung von Experimentierplattformen, der verantwortungsvollen Einführung von KI-Tools und der Befolgung von Best Practices für Daten.
• Teamübergreifende Zusammenarbeit: Arbeiten Sie eng mit Produkt-, Technik- und BI-Teams zusammen, um sicherzustellen, dass die Dateninfrastruktur die sich entwickelnden Geschäftsanforderungen unterstützt, einschließlich KI-gesteuerter Produkte und interner Tools.
Warum Prolific ein großartiger Arbeitgeber ist
Wir haben eine einzigartige Plattform aufgebaut, die Forscher und Unternehmen mit einem globalen Teilnehmerpool verbindet und die Sammlung hochwertiger, ethisch unbedenklicher menschlicher Verhaltensdaten und Rückmeldungen ermöglicht. Diese Daten sind der Grundstein für die Entwicklung genauerer, differenzierterer und abgestimmterer KI-Systeme.
Wir glauben, dass der nächste Sprung in den KI-Fähigkeiten nicht nur durch die Skalierung bestehender Modelle, sondern durch die Integration verschiedener menschlicher Perspektiven und Verhaltensweisen in die KI-Entwicklung erfolgen wird. Durch die Bereitstellung dieser entscheidenden Infrastruktur für menschliche Daten positioniert sich Prolific an der Spitze der nächsten Welle der KI-Innovation – einer Welle, die die Breite und das Beste der Menschheit widerspiegelt.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/prolific/remote-analytics-engineer-179618)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: prolific
Inserat bereitgestellt von prolific.
