Job
Aus Partner-Feed
Leitender Analytics-Ingenieur
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Nein
- Unternehmen
- Materialbank
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Material Bank ist der weltweit größte Materialmarktplatz für die Architektur- und Designbranche. Unsere Plattform ist in 37 Ländern aktiv und hat sich zum Standard für Designprofis auf der ganzen Welt entwickelt. Jeden Tag verbindet Material Bank Tausende von Designern mit Zehntausenden Materialien führender Marken. Material Bank ist die schnellste und leistungsstärkste Möglichkeit für Designprofis, Materialien zu suchen, zu testen und zu spezifizieren.
Senior Analytics Engineer, Analytics & Insights
London, Großbritannien (Hybrid, 2 Tage im Amt)
Material Bank ist der weltweit größte Materialmarktplatz für die Architektur- und Designbranche. Unsere Plattform ist in 37 Ländern aktiv und hat sich zum Standard für Designprofis auf der ganzen Welt entwickelt. Jeden Tag verbindet Material Bank Tausende von Designern mit Zehntausenden Materialien führender Marken. Material Bank ist die schnellste und leistungsstärkste Möglichkeit für Designprofis, Materialien zu suchen, zu testen und zu spezifizieren.
Über die Rolle
Wir suchen einen Senior Analytics Engineer für Analytics & Insights, das Team, das die Analysedatenschicht, das interne Reporting und die Datenprodukte von Material Bank besitzt, die unsere Teams und Markenpartner unterstützen.
Dies ist eine praktische technische Rolle für jemanden, der miterleben möchte, wie Analysen erstellt werden. Sie übernehmen genehmigte Metrikdefinitionen und Geschäftsfragen und wandeln sie in die Modelle und die Metriklogik in Snowflake und dbt, die Dashboards sowie die semantische Ebene und Datenprodukte um, die Menschen täglich verwenden.
Sie verfügen über die Analysetechnik für Schlüsselbereiche des Unternehmens: Verstehen, was gemessen werden muss, Erstellen der Modelle, Validieren der Logik, Bereitstellen der Berichte und Sicherstellen, dass diese über einen längeren Zeitraum korrekt und zuverlässig sind. Sie arbeiten abteilungsübergreifend und mit unseren Datenprodukten, einschließlich eingebetteter Analysen für Marken. Die Arbeit variiert von Tag zu Tag und als Team tragen wir zu allem bei.
Was wir brauchen
• Eigentum, End-to-End. Sie besitzen das, was Sie bauen, vom ersten Stakeholder-Gespräch über das Modell und das Dashboard bis hin zur Reparatur, wenn etwas kaputt geht.
• Präzision und Liebe zum Detail. Sie verstehen die Nuancen hinter einer Zahl, überprüfen sie vor der Veröffentlichung und erstellen Arbeiten, denen Führungskräfte und Markenpartner vertrauen können, ohne sie zu überprüfen.
• Appetit auf harte Arbeit. Wir sind ein kleines, ambitioniertes Team mit vielen Zielen. Die Arbeit ist anspruchsvoll und die Stunden variieren je nach dem, was erledigt werden muss. Wir sagen das offen, weil es die Rolle ist, die wir spielen.
Was du tun wirst
• Besitzen Sie die Analysetechnik für zugewiesene Geschäftsdomänen und übersetzen Sie die Metrikdefinition durch Datenmodell, Dashboard und Erkenntnisse.
• Entwerfen, erstellen und pflegen Sie dokumentierte DBT-Modelle in Produktionsqualität in Snowflake, die genehmigte Metrikdefinitionen in zuverlässige, wiederverwendbare Modelle und semantische Definitionen umwandeln und Reporting, Self-Service, Automatisierung und KI unterstützen.
• Identifizieren und beheben Sie technische Inkonsistenzen in der Metriklogik, damit das Unternehmen auf einer zertifizierten Quelle der Wahrheit läuft.
• Erstellen Sie einen kleinen Satz hochwertiger Dashboards in Tableau (und Sigma, während wir den Stack weiterentwickeln).
• Tragen Sie zur semantischen Ebene bei, damit zertifizierte Metriken in BI-Tools, Snowflake Cortex und eingebetteten Analysen wiederverwendet werden können.
• Automatisieren Sie wiederkehrende Analysearbeiten mit den Tests und Überwachungen, die dafür sorgen, dass sie vertrauenswürdig sind.
• Arbeiten Sie mit Analysten und Stakeholdern zusammen, um Daten zu interpretieren, Kontexte aufzubauen und Risiken aufzudecken, bevor sie gefragt werden.
• Tragen Sie zu markenorientierten Datenprodukten bei, die von Account-Teams und Herstellerpartnern verwendet werden.
Was Sie mitbringen
• Mehr als 5 Jahre Erfahrung in der Analysetechnik, Datenanalyse oder einer ähnlichen technischen Analysefunktion, im Besitz von Datenmodellen und Berichten, auf die sich ein Unternehmen verlässt.
• Experten-SQL für große und komplexe Datensätze. Sie schreiben saubere, effiziente Abfragen und können die Logik anderer genauso einfach debuggen wie Ihre eigene.
• Starkes praktisches Snowflake und dbt (oder ein vergleichbarer moderner Datenstapel), einschließlich dimensionaler Modellierung, inkrementeller Modelle, Tests und Dokumentation.
• Starke Tableau-Fähigkeiten. Sigma, Looker oder ähnliches von Vorteil.
• Starke Beurteilung des Metrikdesigns: Körnung, Nenner, Filter, Zeitzonen, Deduplizierung und die Art und Weise, wie eine korrekte Zahl dennoch irreführen kann.
• Kommerzielles Gespür und Neugier. Sie möchten verstehen, warum eine Zahl wichtig ist, können erklären, was eine Änderung für das Unternehmen bedeutet, und eine in Frage gestellte Position vertreten.
• Eine Automatisierungsmentalität. Wenn Sie etwas sehen, das sich wiederholt oder zerbrechlich ist, besteht Ihr Instinkt darin, einen besseren Weg zu finden, es aufzubauen.
• Bequemes Arbeiten in mehreren Domänen gleichzeitig, Priorisieren Ihrer eigenen Arbeit und direktes Verwalten von Stakeholdern.
• Klare, prägnante Kommunikation und die Fähigkeit, technische Konzepte einem technisch nicht versierten Publikum zu erklären.
Bevorzugt
Hilfreich, nicht erforderlich:
• Python für Automatisierung und Datenvalidierung
• Marktplatz-, E-Commerce- oder B2B-SaaS-Analysen
• Ereignis- und Verhaltensdaten (Segment, GA4 oder ähnliches)
• Semantische Schichten und KI-gestützte Analysen (Snowflake Cortex, dbt Semantic Layer oder ähnliches)
• Eingebettete oder kundenorientierte Analysen (ClickHouse, Preset oder ähnliches)
• Experimentelle und kausale Methoden: A/B-Tests, Kohortenanalyse, Differenz-in-Differenzen
• Katalog-, Produktattribut- oder Suchdaten
Wie Erfolg aussieht
In den ersten 30 Tagen verstehen Sie den Stack, die Modelle, die Leute und die Prioritäten in Ihren Domänen und haben Ihre erste DBT-Änderung zusammengeführt.
Nach 60 Tagen produzieren Sie selbständig echte Arbeit: vereinbarte Metrikdefinitionen implementiert, Ihre ersten zertifizierten Modelle und Dashboards im Einsatz und einen Plan für den ersten manuellen Workflow, den Sie automatisieren werden.
Bis 90 Tage behandeln Stakeholder Sie als ihren Analysepartner und nicht als eine Anfragewarteschlange. Ihre Modelle sind vertrauenswürdig, Ihre Dashboards werden ohne Händchenhalten verwendet und Ihre Automatisierung reduziert den tatsächlichen manuellen Aufwand.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/materialbank/senior-analytics-engineer-london-245078)
Senior Analytics Engineer, Analytics & Insights
London, Großbritannien (Hybrid, 2 Tage im Amt)
Material Bank ist der weltweit größte Materialmarktplatz für die Architektur- und Designbranche. Unsere Plattform ist in 37 Ländern aktiv und hat sich zum Standard für Designprofis auf der ganzen Welt entwickelt. Jeden Tag verbindet Material Bank Tausende von Designern mit Zehntausenden Materialien führender Marken. Material Bank ist die schnellste und leistungsstärkste Möglichkeit für Designprofis, Materialien zu suchen, zu testen und zu spezifizieren.
Über die Rolle
Wir suchen einen Senior Analytics Engineer für Analytics & Insights, das Team, das die Analysedatenschicht, das interne Reporting und die Datenprodukte von Material Bank besitzt, die unsere Teams und Markenpartner unterstützen.
Dies ist eine praktische technische Rolle für jemanden, der miterleben möchte, wie Analysen erstellt werden. Sie übernehmen genehmigte Metrikdefinitionen und Geschäftsfragen und wandeln sie in die Modelle und die Metriklogik in Snowflake und dbt, die Dashboards sowie die semantische Ebene und Datenprodukte um, die Menschen täglich verwenden.
Sie verfügen über die Analysetechnik für Schlüsselbereiche des Unternehmens: Verstehen, was gemessen werden muss, Erstellen der Modelle, Validieren der Logik, Bereitstellen der Berichte und Sicherstellen, dass diese über einen längeren Zeitraum korrekt und zuverlässig sind. Sie arbeiten abteilungsübergreifend und mit unseren Datenprodukten, einschließlich eingebetteter Analysen für Marken. Die Arbeit variiert von Tag zu Tag und als Team tragen wir zu allem bei.
Was wir brauchen
• Eigentum, End-to-End. Sie besitzen das, was Sie bauen, vom ersten Stakeholder-Gespräch über das Modell und das Dashboard bis hin zur Reparatur, wenn etwas kaputt geht.
• Präzision und Liebe zum Detail. Sie verstehen die Nuancen hinter einer Zahl, überprüfen sie vor der Veröffentlichung und erstellen Arbeiten, denen Führungskräfte und Markenpartner vertrauen können, ohne sie zu überprüfen.
• Appetit auf harte Arbeit. Wir sind ein kleines, ambitioniertes Team mit vielen Zielen. Die Arbeit ist anspruchsvoll und die Stunden variieren je nach dem, was erledigt werden muss. Wir sagen das offen, weil es die Rolle ist, die wir spielen.
Was du tun wirst
• Besitzen Sie die Analysetechnik für zugewiesene Geschäftsdomänen und übersetzen Sie die Metrikdefinition durch Datenmodell, Dashboard und Erkenntnisse.
• Entwerfen, erstellen und pflegen Sie dokumentierte DBT-Modelle in Produktionsqualität in Snowflake, die genehmigte Metrikdefinitionen in zuverlässige, wiederverwendbare Modelle und semantische Definitionen umwandeln und Reporting, Self-Service, Automatisierung und KI unterstützen.
• Identifizieren und beheben Sie technische Inkonsistenzen in der Metriklogik, damit das Unternehmen auf einer zertifizierten Quelle der Wahrheit läuft.
• Erstellen Sie einen kleinen Satz hochwertiger Dashboards in Tableau (und Sigma, während wir den Stack weiterentwickeln).
• Tragen Sie zur semantischen Ebene bei, damit zertifizierte Metriken in BI-Tools, Snowflake Cortex und eingebetteten Analysen wiederverwendet werden können.
• Automatisieren Sie wiederkehrende Analysearbeiten mit den Tests und Überwachungen, die dafür sorgen, dass sie vertrauenswürdig sind.
• Arbeiten Sie mit Analysten und Stakeholdern zusammen, um Daten zu interpretieren, Kontexte aufzubauen und Risiken aufzudecken, bevor sie gefragt werden.
• Tragen Sie zu markenorientierten Datenprodukten bei, die von Account-Teams und Herstellerpartnern verwendet werden.
Was Sie mitbringen
• Mehr als 5 Jahre Erfahrung in der Analysetechnik, Datenanalyse oder einer ähnlichen technischen Analysefunktion, im Besitz von Datenmodellen und Berichten, auf die sich ein Unternehmen verlässt.
• Experten-SQL für große und komplexe Datensätze. Sie schreiben saubere, effiziente Abfragen und können die Logik anderer genauso einfach debuggen wie Ihre eigene.
• Starkes praktisches Snowflake und dbt (oder ein vergleichbarer moderner Datenstapel), einschließlich dimensionaler Modellierung, inkrementeller Modelle, Tests und Dokumentation.
• Starke Tableau-Fähigkeiten. Sigma, Looker oder ähnliches von Vorteil.
• Starke Beurteilung des Metrikdesigns: Körnung, Nenner, Filter, Zeitzonen, Deduplizierung und die Art und Weise, wie eine korrekte Zahl dennoch irreführen kann.
• Kommerzielles Gespür und Neugier. Sie möchten verstehen, warum eine Zahl wichtig ist, können erklären, was eine Änderung für das Unternehmen bedeutet, und eine in Frage gestellte Position vertreten.
• Eine Automatisierungsmentalität. Wenn Sie etwas sehen, das sich wiederholt oder zerbrechlich ist, besteht Ihr Instinkt darin, einen besseren Weg zu finden, es aufzubauen.
• Bequemes Arbeiten in mehreren Domänen gleichzeitig, Priorisieren Ihrer eigenen Arbeit und direktes Verwalten von Stakeholdern.
• Klare, prägnante Kommunikation und die Fähigkeit, technische Konzepte einem technisch nicht versierten Publikum zu erklären.
Bevorzugt
Hilfreich, nicht erforderlich:
• Python für Automatisierung und Datenvalidierung
• Marktplatz-, E-Commerce- oder B2B-SaaS-Analysen
• Ereignis- und Verhaltensdaten (Segment, GA4 oder ähnliches)
• Semantische Schichten und KI-gestützte Analysen (Snowflake Cortex, dbt Semantic Layer oder ähnliches)
• Eingebettete oder kundenorientierte Analysen (ClickHouse, Preset oder ähnliches)
• Experimentelle und kausale Methoden: A/B-Tests, Kohortenanalyse, Differenz-in-Differenzen
• Katalog-, Produktattribut- oder Suchdaten
Wie Erfolg aussieht
In den ersten 30 Tagen verstehen Sie den Stack, die Modelle, die Leute und die Prioritäten in Ihren Domänen und haben Ihre erste DBT-Änderung zusammengeführt.
Nach 60 Tagen produzieren Sie selbständig echte Arbeit: vereinbarte Metrikdefinitionen implementiert, Ihre ersten zertifizierten Modelle und Dashboards im Einsatz und einen Plan für den ersten manuellen Workflow, den Sie automatisieren werden.
Bis 90 Tage behandeln Stakeholder Sie als ihren Analysepartner und nicht als eine Anfragewarteschlange. Ihre Modelle sind vertrauenswürdig, Ihre Dashboards werden ohne Händchenhalten verwendet und Ihre Automatisierung reduziert den tatsächlichen manuellen Aufwand.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/materialbank/senior-analytics-engineer-london-245078)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Materialbank
Standort
London, Vereinigtes Königreich
Inserat bereitgestellt von Materialbank.
