Job
Aus Partner-Feed
Leitender Dateningenieur
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Ja
- Unternehmen
- Clear Street
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Stellenbeschreibung
Clear Street modernisiert das Brokerage-Ökosystem. Clear Street wurde 2018 gegründet und ist ein diversifiziertes Finanzdienstleistungsunternehmen, das die alte Infrastruktur ersetzt, die auf den Kapitalmärkten verwendet wird.
Wir haben bei Null angefangen und ein vollständig cloudnatives Clearing- und Verwahrungssystem aufgebaut, das für den heutigen komplexen, globalen Markt konzipiert ist. Unsere Plattform ist vollständig in zentrale Clearinghäuser und Börsen integriert, um ein Handelsvolumen in Milliardenhöhe pro Tag zu unterstützen. Wir haben uns mit den Abstraktionen unserer Datenmodelle beschäftigt, horizontale Skalierbarkeit geschaffen und durchdachte APIs entwickelt. Nur so können wir unseren Kunden ein erstklassiges Erlebnis bieten.
Durch die Kombination hochqualifizierter Produkt- und Ingenieurtalente mit erfahrenen Finanzexperten schaffen wir die Voraussetzungen, um auf den schnelllebigen Märkten von heute bestehen zu können.
Das Team:
Die Mission des Clear Street Active-Teams besteht darin, für jede Anlageklasse in jedem Markt die beste Ausführung zu bieten. Active baut eine neue, hochmoderne, cloudbasierte Handelsplattform auf, die leistungsstarken Händlern Zugang zu Liquiditätsplätzen über mehrere Anlageklassen hinweg, modernste Charts und eine ausgefeilte Auftragsabwicklung bietet.
Das Active Data-Team entscheidet darüber, wie das Unternehmen sich selbst versteht und zunehmend entscheidet, was als nächstes zu tun ist. Daten fließen von Werbeplattformen, Produktanalysen, CRM- und Supportsystemen sowie den eigenen Systemen des Maklerunternehmens in unser Lager. Es fließt zurück zu den Plattformen, die unsere Kunden benachrichtigen, für neue Kunden bieten und die Beziehungen zu ihnen verwalten. Jeder Hop ist ein Ort, an dem Daten dupliziert, verzögert oder stillschweigend neu definiert werden können, und ein Fehler, der das Warehouse verlässt, bleibt kein Berichtsproblem. Es gibt Werbebudgets für die falschen Personen aus, sendet einem Kunden die falsche Nachricht oder gibt eine regulierte Nummer falsch an. Das Verschieben von Daten steht auf dem Spiel. Es ist das Problem dieser Rolle, es wahr zu halten, während es unterwegs ist. Es handelt sich um ein kleines Team mit einer großen Fläche, und wir skalieren es, wenn die Plattform auf Zehntausende von Konten anwächst.
Die Rolle:
Drei Bereiche des Unternehmens hängen von dieser Rolle ab, und Sie sind Eigentümer der Daten für alle:
• Wachstum. Erfassen Sie Ausgaben, Klicks und Conversions von allen bezahlten, Affiliate- und organischen Kanälen, gleichen Sie sie mit unseren eigenen Aufzeichnungen ab und senden Sie die Ergebnisse der finanzierten Konten an die Werbeplattformen zurück, sodass die Gebote für Kunden optimiert werden, die tatsächlich finanzieren und handeln.
• Lebenszyklus und Benutzerreise. Ermitteln Sie die Identität jedes Kunden vom ersten anonymen Besuch über die Anmeldung, KYC, Finanzierung und den ersten Handel und halten Sie Lifecycle-Messaging, CRM und Supportsysteme auf dem Laufenden mit dem, was tatsächlich passiert ist.
• Maklerdaten. Modellieren Sie die Kontoeröffnung, KYC, Finanzierung und Überweisungen sowie den Handel über die plattformeigenen Systeme mit der Präzision, die ein regulierter Broker-Dealer benötigt.
In allen drei Fällen werden Sie:
• Eigene Datenintegrität in beide Richtungen. Beweisen Sie, dass jeder Feed vollständig und pünktlich angekommen ist und dass jede ausgehende Synchronisierung wie vorgesehen ankam. Eine doppelte Conversion treibt die Werbeausgaben in die Höhe, ein veraltetes Attribut sendet die falsche Botschaft und eine fehlerhafte Verknüpfung gibt der Führung falsch finanzierte Konten an.
• Besitzen Sie die Warehouse-Ebenen in dbt: Rohlandung, bereitgestellte und identitätsaufgelöste Modelle sowie die kuratierten Modelle, aus denen Analysten, Datenwissenschaftler, Dashboards und interne KI-Agenten lesen. Jedes Modell hat eine deklarierte Maserung und Tests.
• Schließen Sie Datenverträge mit der Produktentwicklung und mit den Besitzern der Plattformen ab, auf die wir angewiesen sind, damit eine Upstream-Änderung an der Grenze abgefangen wird, anstatt ein Feld drei Modelle Downstream stillschweigend zunichte zu machen. Sie werden diese definieren, anstatt sie zu erben.
• Eigene Governance: rollenbasierter Zugriff, PII-Maskierung, Aufbewahrung und Überprüfbarkeit, einschließlich Self-Service-Tools, die keine Möglichkeit bieten, Berechtigungen zu umgehen.
• Wählen Sie bewusst zwischen Batch, Change-Data-Capture und Streaming, je nachdem, was jeder Verbraucher tatsächlich benötigt.
• Arbeiten Sie mit Marketing, Produkt und Betrieb zusammen, um die Ereignisse und Bereiche zu erfassen, die das Unternehmen benötigt. Diese Rolle wird daran gemessen, ob die Zahlen des Unternehmens korrekt und pünktlich sind, und nicht an den gelieferten Pipelines.
Was wir schätzen:
• Ingenieure haben daran gemessen, ob die Zahlen stimmen, nicht daran, was geliefert wurde
• Sehr hohe Agentur. Ein Großteil der Arbeit beginnt hier, bevor die Anforderung klar ist: Die Quelle verfügt über keine Dokumentation, das benötigte Feld wurde nie erfasst und das Team, dem es gehört, ist mit dem Versand beschäftigt. Wir brauchen jemanden, der eine Abhängigkeit in ein anderes Team jagt und etwas Zuverlässiges ohne Spezifikation liefert.
• Skepsis gegenüber Daten, einschließlich Ihrer eigenen Pipelines. Überprüfen Sie Körnung, Verknüpfungen und Vollständigkeit, bevor Sie einer Zahl vertrauen.
• Eine Bevorzugung langweiliger, beobachtbarer Systeme gegenüber cleveren
• Klare Kommunikation mit Nicht-Ingenieuren: Kann einem Vermarkter erklären, warum sich die gestrige Nummer verschoben hat, und noch am selben Nachmittag mit einem Produktteam über eine Schemaänderung verhandeln
• Pragmatismus: Veröffentlichen Sie die Version, die jetzt funktioniert, und verbessern Sie sie bewusst, anstatt auf die ideale Version zu warten
Anforderungen:
• Mindestens fünf Jahre Erfahrung in der Datentechnik oder Analysetechnik. Bei Produktionspipelines waren Sie am Haken, als sie kaputt gingen
• Umfassende Kenntnisse in SQL und Python sowie Produktionserfahrung mit dbt in einem mehrschichtigen Warehouse: rohe, bereitgestellte und kuratierte Modelle mit einer deklarierten Körnung, Tests und inkrementellen Builds
• Praktische Erfahrung beim Einbinden von Drittanbieter- und Anwendungsdaten über verwaltete Konnektoren, Event-Pipelines und Change-Data-Capture sowie im Umgang mit Fehlern, die dabei auftreten: Schemadrift, Neusynchronisierungen, Duplikate und verspätete oder fehlende Datensätze
• Erleben Sie das Zurücksenden von Daten über Reverse ETL, Zielgruppen oder Conversion-Feeds und die Kontrolle ihrer Korrektheit, nachdem sie das Lager verlassen
• Datenqualität in der Praxis: Abgleich mit Aufzeichnungssystemen, Aktualitäts- und Volumenüberwachung und die Lösung, die verhindert, dass ein Vorfall erneut auftritt …
Quelle: Jobspresso (https://jobspresso.co/job/senior-data-engineer-clear-street/)
Clear Street modernisiert das Brokerage-Ökosystem. Clear Street wurde 2018 gegründet und ist ein diversifiziertes Finanzdienstleistungsunternehmen, das die alte Infrastruktur ersetzt, die auf den Kapitalmärkten verwendet wird.
Wir haben bei Null angefangen und ein vollständig cloudnatives Clearing- und Verwahrungssystem aufgebaut, das für den heutigen komplexen, globalen Markt konzipiert ist. Unsere Plattform ist vollständig in zentrale Clearinghäuser und Börsen integriert, um ein Handelsvolumen in Milliardenhöhe pro Tag zu unterstützen. Wir haben uns mit den Abstraktionen unserer Datenmodelle beschäftigt, horizontale Skalierbarkeit geschaffen und durchdachte APIs entwickelt. Nur so können wir unseren Kunden ein erstklassiges Erlebnis bieten.
Durch die Kombination hochqualifizierter Produkt- und Ingenieurtalente mit erfahrenen Finanzexperten schaffen wir die Voraussetzungen, um auf den schnelllebigen Märkten von heute bestehen zu können.
Das Team:
Die Mission des Clear Street Active-Teams besteht darin, für jede Anlageklasse in jedem Markt die beste Ausführung zu bieten. Active baut eine neue, hochmoderne, cloudbasierte Handelsplattform auf, die leistungsstarken Händlern Zugang zu Liquiditätsplätzen über mehrere Anlageklassen hinweg, modernste Charts und eine ausgefeilte Auftragsabwicklung bietet.
Das Active Data-Team entscheidet darüber, wie das Unternehmen sich selbst versteht und zunehmend entscheidet, was als nächstes zu tun ist. Daten fließen von Werbeplattformen, Produktanalysen, CRM- und Supportsystemen sowie den eigenen Systemen des Maklerunternehmens in unser Lager. Es fließt zurück zu den Plattformen, die unsere Kunden benachrichtigen, für neue Kunden bieten und die Beziehungen zu ihnen verwalten. Jeder Hop ist ein Ort, an dem Daten dupliziert, verzögert oder stillschweigend neu definiert werden können, und ein Fehler, der das Warehouse verlässt, bleibt kein Berichtsproblem. Es gibt Werbebudgets für die falschen Personen aus, sendet einem Kunden die falsche Nachricht oder gibt eine regulierte Nummer falsch an. Das Verschieben von Daten steht auf dem Spiel. Es ist das Problem dieser Rolle, es wahr zu halten, während es unterwegs ist. Es handelt sich um ein kleines Team mit einer großen Fläche, und wir skalieren es, wenn die Plattform auf Zehntausende von Konten anwächst.
Die Rolle:
Drei Bereiche des Unternehmens hängen von dieser Rolle ab, und Sie sind Eigentümer der Daten für alle:
• Wachstum. Erfassen Sie Ausgaben, Klicks und Conversions von allen bezahlten, Affiliate- und organischen Kanälen, gleichen Sie sie mit unseren eigenen Aufzeichnungen ab und senden Sie die Ergebnisse der finanzierten Konten an die Werbeplattformen zurück, sodass die Gebote für Kunden optimiert werden, die tatsächlich finanzieren und handeln.
• Lebenszyklus und Benutzerreise. Ermitteln Sie die Identität jedes Kunden vom ersten anonymen Besuch über die Anmeldung, KYC, Finanzierung und den ersten Handel und halten Sie Lifecycle-Messaging, CRM und Supportsysteme auf dem Laufenden mit dem, was tatsächlich passiert ist.
• Maklerdaten. Modellieren Sie die Kontoeröffnung, KYC, Finanzierung und Überweisungen sowie den Handel über die plattformeigenen Systeme mit der Präzision, die ein regulierter Broker-Dealer benötigt.
In allen drei Fällen werden Sie:
• Eigene Datenintegrität in beide Richtungen. Beweisen Sie, dass jeder Feed vollständig und pünktlich angekommen ist und dass jede ausgehende Synchronisierung wie vorgesehen ankam. Eine doppelte Conversion treibt die Werbeausgaben in die Höhe, ein veraltetes Attribut sendet die falsche Botschaft und eine fehlerhafte Verknüpfung gibt der Führung falsch finanzierte Konten an.
• Besitzen Sie die Warehouse-Ebenen in dbt: Rohlandung, bereitgestellte und identitätsaufgelöste Modelle sowie die kuratierten Modelle, aus denen Analysten, Datenwissenschaftler, Dashboards und interne KI-Agenten lesen. Jedes Modell hat eine deklarierte Maserung und Tests.
• Schließen Sie Datenverträge mit der Produktentwicklung und mit den Besitzern der Plattformen ab, auf die wir angewiesen sind, damit eine Upstream-Änderung an der Grenze abgefangen wird, anstatt ein Feld drei Modelle Downstream stillschweigend zunichte zu machen. Sie werden diese definieren, anstatt sie zu erben.
• Eigene Governance: rollenbasierter Zugriff, PII-Maskierung, Aufbewahrung und Überprüfbarkeit, einschließlich Self-Service-Tools, die keine Möglichkeit bieten, Berechtigungen zu umgehen.
• Wählen Sie bewusst zwischen Batch, Change-Data-Capture und Streaming, je nachdem, was jeder Verbraucher tatsächlich benötigt.
• Arbeiten Sie mit Marketing, Produkt und Betrieb zusammen, um die Ereignisse und Bereiche zu erfassen, die das Unternehmen benötigt. Diese Rolle wird daran gemessen, ob die Zahlen des Unternehmens korrekt und pünktlich sind, und nicht an den gelieferten Pipelines.
Was wir schätzen:
• Ingenieure haben daran gemessen, ob die Zahlen stimmen, nicht daran, was geliefert wurde
• Sehr hohe Agentur. Ein Großteil der Arbeit beginnt hier, bevor die Anforderung klar ist: Die Quelle verfügt über keine Dokumentation, das benötigte Feld wurde nie erfasst und das Team, dem es gehört, ist mit dem Versand beschäftigt. Wir brauchen jemanden, der eine Abhängigkeit in ein anderes Team jagt und etwas Zuverlässiges ohne Spezifikation liefert.
• Skepsis gegenüber Daten, einschließlich Ihrer eigenen Pipelines. Überprüfen Sie Körnung, Verknüpfungen und Vollständigkeit, bevor Sie einer Zahl vertrauen.
• Eine Bevorzugung langweiliger, beobachtbarer Systeme gegenüber cleveren
• Klare Kommunikation mit Nicht-Ingenieuren: Kann einem Vermarkter erklären, warum sich die gestrige Nummer verschoben hat, und noch am selben Nachmittag mit einem Produktteam über eine Schemaänderung verhandeln
• Pragmatismus: Veröffentlichen Sie die Version, die jetzt funktioniert, und verbessern Sie sie bewusst, anstatt auf die ideale Version zu warten
Anforderungen:
• Mindestens fünf Jahre Erfahrung in der Datentechnik oder Analysetechnik. Bei Produktionspipelines waren Sie am Haken, als sie kaputt gingen
• Umfassende Kenntnisse in SQL und Python sowie Produktionserfahrung mit dbt in einem mehrschichtigen Warehouse: rohe, bereitgestellte und kuratierte Modelle mit einer deklarierten Körnung, Tests und inkrementellen Builds
• Praktische Erfahrung beim Einbinden von Drittanbieter- und Anwendungsdaten über verwaltete Konnektoren, Event-Pipelines und Change-Data-Capture sowie im Umgang mit Fehlern, die dabei auftreten: Schemadrift, Neusynchronisierungen, Duplikate und verspätete oder fehlende Datensätze
• Erleben Sie das Zurücksenden von Daten über Reverse ETL, Zielgruppen oder Conversion-Feeds und die Kontrolle ihrer Korrektheit, nachdem sie das Lager verlassen
• Datenqualität in der Praxis: Abgleich mit Aufzeichnungssystemen, Aktualitäts- und Volumenüberwachung und die Lösung, die verhindert, dass ein Vorfall erneut auftritt …
Quelle: Jobspresso (https://jobspresso.co/job/senior-data-engineer-clear-street/)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Clear Street
Inserat bereitgestellt von Clear Street.