Job
Aus Partner-Feed
Personalanalytik-Ingenieur
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Ja
- Unternehmen
- Pleo
- Level
- Senior
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Über Pleo
Eine chaotische Ausgabenverwaltung ist eine knifflige Angelegenheit. Und langwierige Prozesse sind für alle Beteiligten, nicht nur für die Finanzen, eine Situation, in der man verlieren kann. Bei Pleo ändern wir das. Wir entwickeln Ausgabenlösungen, die die Verwaltung von Geldern sowohl für Finanzteams als auch für Mitarbeiter nahtlos, wirkungsvoll und überraschend effektiv machen – mit der Vision, allen Unternehmen dabei zu helfen, „mehr zu erreichen“.
Das Wort „Pleo“ bedeutet eigentlich „mehr als man erwartet“, und die Umsetzung dieses Mantras war in den letzten 10 Jahren das Geheimnis unseres Erfolgs.
Jetzt befinden wir uns an einem entscheidenden Moment unserer Reise; Jeder unserer Schritte hat direkte Auswirkungen auf unsere über 40.000 Kunden, unser Geschäft und unseren gemeinsamen Erfolg. Wir brauchen Menschen, die stolz darauf sind, Kundenbedürfnisse zu erkennen, die komplexe Probleme in einfache Lösungen verwandeln, die Art und Weise, wie Dinge erledigt werden, (respektvoll) in Frage stellen und stets hohe Ziele verfolgen. Da wir von großen Ambitionen vorangetrieben werden, können wir nicht sagen, dass wir die ganze Sache im Griff haben. Und ehrlich gesagt ist das schon der halbe Spaß! Was wir sagen können ist, dass wir ein motivierter, fortschrittlicher und vor allem ein netter Haufen von über 850 Menschen mit über 100 Nationalitäten sind, die sich alle dafür einsetzen, gemeinsam die Zukunft der Geschäftsausgaben zu gestalten.
Über die Rolle
Dies ist eine leitende Einzelmitarbeiterrolle in unserem Data Services & Governance-Team, in der Sie als Vordenker und technischer Leiter fungieren und für die semantische Ebene und die Analysestandards für Pleo verantwortlich sind. Das bedeutet, dass Sie nicht der Eigentümer einer Domäne sind, sondern dass Sie dafür verantwortlich sind, wie gut sie alle aussehen, indem Sie unsere Modellierungsstandards und KI-gestützten Entwicklungspraktiken entwickeln, verbessern, pflegen und propagieren, mit denen jeder Analytics Engineer arbeitet, unabhängig davon, in welchem Team er sitzt.
Die semantische Ebene, die Sie entwerfen und pflegen, wird die einzige Quelle der Wahrheit sein, die KI-Agenten, BI-Tools und Analysten abfragen. Dies ist eine grundlegende Arbeit mit unternehmensweiter Reichweite, die ideal für Sie ist, wenn Sie gerne Dinge von Grund auf aufbauen. Unsere semantische Ebene befindet sich noch in einem sehr frühen Stadium. Die Werkzeugauswahl ist live und diese Rolle hat eine starke Stimme. Unser BI-Stack befindet sich ebenfalls im Übergang, sodass Sie kein ausgereiftes Setup übernehmen und pflegen müssen. Sie würden entscheiden, was es sein soll, und es dann bauen.
Für zusätzlichen Kontext umfasst unser Tech-Stack derzeit: GCP, BigQuery, dbt Core, Airflow, SQL, Python, Claude Code, GitHub Copilot.
Mit wem Sie zusammenarbeiten werden
Sie berichten an den Data Engineering Manager, der das Data Infra & MLOps-Team sowie das Data Services & Governance-Team leitet. Ihre primäre Beziehung besteht zu Analytics Engineers, die in der Intelligence-Funktion eingebettet sind und sich an Sie wenden sollten, wenn es um Architekturberatung, semantische Ebenenentscheidungen und Standardfragen geht. Darüber hinaus arbeiten Sie mit einem Staff Data Engineer an Data-Engineering-Standards und Pipeline-Praktiken sowie mit anderen an Self-Service-Analysen und BI-Tooling-Governance zusammen. Sie besprechen mit dem Data Serving-Team Entitätsdefinitionen und mit dem GenAI Platform-Team, wie KI-fähige Daten an der Plattformgrenze aussehen.
Was Sie tun werden
•
Besitzen Sie die semantische Ebene: Definieren Sie, was eine Metrikdefinition ist, wie sie strukturiert ist, wo sie lebt und wie sie durchgesetzt wird. Das Ziel ist eine kanonische Definition von monatlich wiederkehrendem Umsatz (MRR), Abwanderung, Transaktion, Kunde – die von Analysten, BI-Tools und KI-Tools ohne Abweichungen verwendet wird. Sie machen das real und nicht erstrebenswert.
•
Legen Sie Datenmodellierungsstandards für die Funktion fest: Wie eine saubere, mehrschichtige und gut getestete DBT-Architektur in allen Domänen und auf allen Komplexitätsebenen aussieht.
•
Aufbau und Betrieb der Analytics Engineering-Praxisgemeinschaft, einschließlich Codeüberprüfungen, gemeinsamer Muster, Dokumentation, Onboarding usw. Ziel ist es, eine soziale Infrastruktur zu schaffen, die dafür sorgt, dass Standards Bestand haben.
•
Besitzen Sie die KI-native Entwicklungspraxis. Verwenden Sie KI-Codierungstools als nativen Bestandteil beim Schreiben, Überprüfen und Migrieren von Datenmodellen (nicht als Demonstration, sondern als Ihren tatsächlichen Arbeitsablauf). Bewerten Sie, was in einem kontrollierten Data-Engineering-Kontext funktioniert, was Risiken mit sich bringt, und gestalten Sie, wie die Analytics-Engineering-Community dies annimmt.
•
Leiten Sie verantwortungsvolle KI-erweiterte Migrationsarbeiten mit KI-Tools, um die Datenmodellierung und Migrationen im gesamten Analytics Warehouse und der Operational Data Platform zu beschleunigen.
•
Entwerfen Sie Datenmodelle und Metrikdefinitionen auf dokumentierte und strukturierte Weise, um eine zuverlässige Nutzung durch KI-Dienste ohne menschliches Eingreifen zu ermöglichen.
•
Arbeiten Sie im Vorfeld mit Backend- und Produktingenieuren zusammen, um die Datenvertragsdisziplin und die Schemaverantwortung im Vorfeld voranzutreiben, anstatt Inkonsistenzen im Nachhinein zu verwalten.
•
Tragen Sie zu Daten- und KI-Produkten für externe kundenorientierte Analysen bei, bei denen Datenmodellierungsmuster und Anforderungen und Funktionen für Konversationsanalysen wachsen.
Was Sie mitbringen
•
Umfangreiches, nachgewiesenes Fachwissen in DBT- und Modellierungspraktiken: nicht nur starke Modellierung, sondern eine fundierte Sicht darauf, wie die Modellierungsarchitektur über eine Funktion hinweg aussehen sollte. Sie können Kompromisse verteidigen, ihnen beibringen und sie in Teams durchsetzen, die Sie nicht leiten.
•
Fundierte BigQuery- und SQL-Expertise, einschließlich Leistung, Kostenüberlegungen und den architektonischen Herausforderungen komplexer Analysedomänen.
•
Echte Erfahrung im Besitz einer semantischen Ebene (LookML, dbt MetricFlow oder gleichwertig). Sie haben eine Meinung darüber, wie die Konsistenz von Metriken im großen Maßstab aussehen sollte, was kaputt geht, wenn dies nicht der Fall ist, und wie man sie so gestalten kann, dass KI-Tools sie nutzen können, ohne das Vertrauen zu beeinträchtigen.
•
KI-native Entwicklungspraxis im Data-Engineering-Kontext. Sie verwenden KI-Codierungstools (Claude Code, GitHub Copilot oder gleichwertig) als echten Bestandteil Ihrer Arbeitsweise und können genau angeben, wo sie einen echten Mehrwert schaffen und wo sie Risiken in einer kontrollierten Analysecodebasis mit sich bringen.
•
Eine Erfolgsbilanz bei der Festlegung von Standards in Teams, die Sie nicht direkt leiten, und deren Einhaltung durch den Einsatz effektiver Einflusstechniken, anstatt sich auf Autoritäten zu verlassen.…
Quelle: Jobicy (https://jobicy.com/jobs/157554-staff-analytics-engineer-2)
Eine chaotische Ausgabenverwaltung ist eine knifflige Angelegenheit. Und langwierige Prozesse sind für alle Beteiligten, nicht nur für die Finanzen, eine Situation, in der man verlieren kann. Bei Pleo ändern wir das. Wir entwickeln Ausgabenlösungen, die die Verwaltung von Geldern sowohl für Finanzteams als auch für Mitarbeiter nahtlos, wirkungsvoll und überraschend effektiv machen – mit der Vision, allen Unternehmen dabei zu helfen, „mehr zu erreichen“.
Das Wort „Pleo“ bedeutet eigentlich „mehr als man erwartet“, und die Umsetzung dieses Mantras war in den letzten 10 Jahren das Geheimnis unseres Erfolgs.
Jetzt befinden wir uns an einem entscheidenden Moment unserer Reise; Jeder unserer Schritte hat direkte Auswirkungen auf unsere über 40.000 Kunden, unser Geschäft und unseren gemeinsamen Erfolg. Wir brauchen Menschen, die stolz darauf sind, Kundenbedürfnisse zu erkennen, die komplexe Probleme in einfache Lösungen verwandeln, die Art und Weise, wie Dinge erledigt werden, (respektvoll) in Frage stellen und stets hohe Ziele verfolgen. Da wir von großen Ambitionen vorangetrieben werden, können wir nicht sagen, dass wir die ganze Sache im Griff haben. Und ehrlich gesagt ist das schon der halbe Spaß! Was wir sagen können ist, dass wir ein motivierter, fortschrittlicher und vor allem ein netter Haufen von über 850 Menschen mit über 100 Nationalitäten sind, die sich alle dafür einsetzen, gemeinsam die Zukunft der Geschäftsausgaben zu gestalten.
Über die Rolle
Dies ist eine leitende Einzelmitarbeiterrolle in unserem Data Services & Governance-Team, in der Sie als Vordenker und technischer Leiter fungieren und für die semantische Ebene und die Analysestandards für Pleo verantwortlich sind. Das bedeutet, dass Sie nicht der Eigentümer einer Domäne sind, sondern dass Sie dafür verantwortlich sind, wie gut sie alle aussehen, indem Sie unsere Modellierungsstandards und KI-gestützten Entwicklungspraktiken entwickeln, verbessern, pflegen und propagieren, mit denen jeder Analytics Engineer arbeitet, unabhängig davon, in welchem Team er sitzt.
Die semantische Ebene, die Sie entwerfen und pflegen, wird die einzige Quelle der Wahrheit sein, die KI-Agenten, BI-Tools und Analysten abfragen. Dies ist eine grundlegende Arbeit mit unternehmensweiter Reichweite, die ideal für Sie ist, wenn Sie gerne Dinge von Grund auf aufbauen. Unsere semantische Ebene befindet sich noch in einem sehr frühen Stadium. Die Werkzeugauswahl ist live und diese Rolle hat eine starke Stimme. Unser BI-Stack befindet sich ebenfalls im Übergang, sodass Sie kein ausgereiftes Setup übernehmen und pflegen müssen. Sie würden entscheiden, was es sein soll, und es dann bauen.
Für zusätzlichen Kontext umfasst unser Tech-Stack derzeit: GCP, BigQuery, dbt Core, Airflow, SQL, Python, Claude Code, GitHub Copilot.
Mit wem Sie zusammenarbeiten werden
Sie berichten an den Data Engineering Manager, der das Data Infra & MLOps-Team sowie das Data Services & Governance-Team leitet. Ihre primäre Beziehung besteht zu Analytics Engineers, die in der Intelligence-Funktion eingebettet sind und sich an Sie wenden sollten, wenn es um Architekturberatung, semantische Ebenenentscheidungen und Standardfragen geht. Darüber hinaus arbeiten Sie mit einem Staff Data Engineer an Data-Engineering-Standards und Pipeline-Praktiken sowie mit anderen an Self-Service-Analysen und BI-Tooling-Governance zusammen. Sie besprechen mit dem Data Serving-Team Entitätsdefinitionen und mit dem GenAI Platform-Team, wie KI-fähige Daten an der Plattformgrenze aussehen.
Was Sie tun werden
•
Besitzen Sie die semantische Ebene: Definieren Sie, was eine Metrikdefinition ist, wie sie strukturiert ist, wo sie lebt und wie sie durchgesetzt wird. Das Ziel ist eine kanonische Definition von monatlich wiederkehrendem Umsatz (MRR), Abwanderung, Transaktion, Kunde – die von Analysten, BI-Tools und KI-Tools ohne Abweichungen verwendet wird. Sie machen das real und nicht erstrebenswert.
•
Legen Sie Datenmodellierungsstandards für die Funktion fest: Wie eine saubere, mehrschichtige und gut getestete DBT-Architektur in allen Domänen und auf allen Komplexitätsebenen aussieht.
•
Aufbau und Betrieb der Analytics Engineering-Praxisgemeinschaft, einschließlich Codeüberprüfungen, gemeinsamer Muster, Dokumentation, Onboarding usw. Ziel ist es, eine soziale Infrastruktur zu schaffen, die dafür sorgt, dass Standards Bestand haben.
•
Besitzen Sie die KI-native Entwicklungspraxis. Verwenden Sie KI-Codierungstools als nativen Bestandteil beim Schreiben, Überprüfen und Migrieren von Datenmodellen (nicht als Demonstration, sondern als Ihren tatsächlichen Arbeitsablauf). Bewerten Sie, was in einem kontrollierten Data-Engineering-Kontext funktioniert, was Risiken mit sich bringt, und gestalten Sie, wie die Analytics-Engineering-Community dies annimmt.
•
Leiten Sie verantwortungsvolle KI-erweiterte Migrationsarbeiten mit KI-Tools, um die Datenmodellierung und Migrationen im gesamten Analytics Warehouse und der Operational Data Platform zu beschleunigen.
•
Entwerfen Sie Datenmodelle und Metrikdefinitionen auf dokumentierte und strukturierte Weise, um eine zuverlässige Nutzung durch KI-Dienste ohne menschliches Eingreifen zu ermöglichen.
•
Arbeiten Sie im Vorfeld mit Backend- und Produktingenieuren zusammen, um die Datenvertragsdisziplin und die Schemaverantwortung im Vorfeld voranzutreiben, anstatt Inkonsistenzen im Nachhinein zu verwalten.
•
Tragen Sie zu Daten- und KI-Produkten für externe kundenorientierte Analysen bei, bei denen Datenmodellierungsmuster und Anforderungen und Funktionen für Konversationsanalysen wachsen.
Was Sie mitbringen
•
Umfangreiches, nachgewiesenes Fachwissen in DBT- und Modellierungspraktiken: nicht nur starke Modellierung, sondern eine fundierte Sicht darauf, wie die Modellierungsarchitektur über eine Funktion hinweg aussehen sollte. Sie können Kompromisse verteidigen, ihnen beibringen und sie in Teams durchsetzen, die Sie nicht leiten.
•
Fundierte BigQuery- und SQL-Expertise, einschließlich Leistung, Kostenüberlegungen und den architektonischen Herausforderungen komplexer Analysedomänen.
•
Echte Erfahrung im Besitz einer semantischen Ebene (LookML, dbt MetricFlow oder gleichwertig). Sie haben eine Meinung darüber, wie die Konsistenz von Metriken im großen Maßstab aussehen sollte, was kaputt geht, wenn dies nicht der Fall ist, und wie man sie so gestalten kann, dass KI-Tools sie nutzen können, ohne das Vertrauen zu beeinträchtigen.
•
KI-native Entwicklungspraxis im Data-Engineering-Kontext. Sie verwenden KI-Codierungstools (Claude Code, GitHub Copilot oder gleichwertig) als echten Bestandteil Ihrer Arbeitsweise und können genau angeben, wo sie einen echten Mehrwert schaffen und wo sie Risiken in einer kontrollierten Analysecodebasis mit sich bringen.
•
Eine Erfolgsbilanz bei der Festlegung von Standards in Teams, die Sie nicht direkt leiten, und deren Einhaltung durch den Einsatz effektiver Einflusstechniken, anstatt sich auf Autoritäten zu verlassen.…
Quelle: Jobicy (https://jobicy.com/jobs/157554-staff-analytics-engineer-2)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Pleo
Inserat bereitgestellt von Pleo.
