Ingeniero sénior de análisis - EE. UU.

Luxury Presence está construyendo la plataforma de crecimiento de IA para el sector inmobiliario. Respaldados por Bessemer Venture Partners y otros inversores importantes, somos una empresa de Serie C que ha alcanzado los 100 millones de dólares en ingresos recurrentes anuales. Más de 90.000 profesionales de bienes raíces, incluidos más del 30 % de los 100 agentes principales de WSJ Real Trends en los Estados Unidos, nos utilizan para administrar y hacer crecer su negocio.

El papel

Buscamos un ingeniero de análisis senior para construir y escalar la base analítica que impulsa la toma de decisiones en los equipos de comercialización, productos, finanzas, personas y operaciones.

Se sentará en la intersección de la ingeniería y el análisis de datos: transformar datos brutos de productos, marketing, financieros y operativos en conjuntos de datos limpios, bien modelados y confiables. Su trabajo impulsará todo, desde paneles ejecutivos y análisis de cohortes hasta experimentación, operaciones de facturación, alcance impulsado por IA y capas semánticas que permitan a los agentes de IA responder las preguntas de las partes interesadas de forma autónoma.

Esta es una función altamente multifuncional: se asociará estrechamente con Gestión de productos, Marketing, RevOps, Finanzas, Operaciones de personal e Ingeniería para garantizar que nuestra pila de análisis sea sólida, escalable y alineada con el negocio.

Responsabilidades

Construya y sea propietario de la base de datos

•
Sea propietario y evolucione nuestro proyecto dbt, garantizando que los modelos sean eficaces, estén bien probados y estén documentados.

•
Diseñar y mantener el almacén de datos y los procesos de ingesta de Snowflake.

•
Utilice las mejores prácticas modernas de modelado de datos para crear entidades centrales y conjuntos de datos que tengan en cuenta procesos y lógica de negocios complejos.

•
Cree y mantenga canalizaciones personalizadas de Python/Airflow para ingerir datos de API de terceros en Snowflake.

•
Diseñe y opere modelos de conciliación entre sistemas que comparen datos entre sistemas de origen para revelar discrepancias y proteger los ingresos.

Impulsar la calidad y la automatización de los datos

•
Implementar pruebas y observabilidad para los canales de análisis.

•
Aplique las mejores prácticas de CI/CD, como automatización, linting, pruebas, revisión y aprobaciones de código.

•
Estandarice las definiciones de métricas y asegúrese de que se calculen de manera consistente en todas las herramientas.

•
Investigue y documente incidentes de datos de un extremo a otro, desde el análisis de la causa raíz hasta el seguimiento de las soluciones y la comunicación con las partes interesadas.

Colaboración multifuncional

•
Actuar como enlace de datos entre Ingeniería, GTM y Finanzas, garantizando definiciones de métricas consistentes y una instrumentación adecuada del sistema.

•
Habilite el acceso de autoservicio de las partes interesadas a información confiable.

•
Impulsar la alfabetización en datos: evangelizar las mejores prácticas en consultas, paneles e interpretación de métricas; orientar a las partes interesadas hacia el autoservicio.

Construya una infraestructura de datos preparada para la IA

•
Diseñe y mantenga vistas semánticas de Snowflake Cortex que sirvan como interfaz de datos gobernada para agentes de IA y herramientas basadas en LLM.

•
Asóciese con equipos de IA/productos para analizar, crear y validar las definiciones de la capa semántica que impulsan a los asistentes internos de IA.

•
Cree marcos de medición para iniciativas impulsadas por IA, incluido el diseño de experimentos y el modelado de atribución.

Calificaciones

Debe tener:

•
Más de 5 años de experiencia como ingeniero analítico, ingeniero de datos o un puesto similar en un entorno SaaS.

•
Amplia experiencia en SQL, DBT y las mejores prácticas modernas de modelado de datos.

•
Dominio de Python para el desarrollo de canalizaciones, integraciones de API y automatización.

•
Experiencia en modelado de datos de Salesforce: oportunidades, contratos, suscripciones, casos e historial de campo.

•
Experiencia comprobada en la creación de canalizaciones ELT personalizadas que incorporan datos de API de terceros en un almacén de datos en la nube.

•
Experiencia en el diseño de modelos de conciliación entre sistemas: unir, deduplicar y comparar datos en múltiples sistemas de origen para sacar a la luz las discrepancias.

•
Experiencia comprobada trabajando con datos de uso de productos y basados en eventos (por ejemplo, Posthog, Mixpanel).

•
Experiencia en conectar datos de marketing (anuncios pagados, campañas, atribución) con análisis de productos; idealmente, haber creado canales de extremo a extremo desde plataformas publicitarias hasta métricas de conversión y retención.

•
Experiencia en el diseño y mantenimiento de capas semánticas que sirven como interfaces de datos gobernadas (dbt Semantic Layer, Snowflake Cortex o similar).

•
Cómodo con sistemas de datos a gran escala (Snowflake, BigQuery, Redshift).

•
Gran familiaridad con CI/CD, flujos de trabajo basados en Git y pruebas automatizadas.

•
Experiencia colaborando de forma multifuncional con ingenieros, analistas y gerentes de productos.

•
Éxito demostrado en el uso de análisis para impulsar decisiones en un entorno técnico o centrado en productos.

•
Comodidad al asumir la responsabilidad de problemas ambiguos y diseñar soluciones de extremo a extremo.

Es bueno tener:

•
Experiencia en la creación y el mantenimiento de DAG de Airflow y en la organización de canalizaciones de ingesta de API de múltiples fuentes.

•
Base sólida en estadística y diseño de experimentos: pruebas A/B, pruebas de significancia y medición del impacto incremental.

•
Experiencia con los fundamentos del modelado predictivo: clasificación, selección de características y evaluación de modelos.

•
Familiaridad con las métricas financieras de SaaS y las operaciones de facturación (ARR/MRR/NRR, conciliación de suscripciones, reconocimiento de ingresos).

•
Experiencia en análisis de personas (recuento de personal, deserción, evaluación comparativa de compensaciones).

Cómo se ve el éxito

•
Establezca una capa de análisis confiable y bien modelada en la que los gerentes de productos, especialistas en marketing y líderes confíen a diario.

•
Mejore la calidad y confiabilidad de los datos, con SLA claros y observabilidad en torno a nuestros modelos más críticos.

•
Reduzca el tiempo de obtención de información permitiendo el acceso de autoservicio a conjuntos de datos y métricas de alta calidad.

•
Propiedad extrema sobre infraestructura crítica y modelos de datos que impactan directamente en las decisiones de productos y el crecimiento empresarial.

•
Asóciese con ingenieros y analistas de datos para crear una capa semántica que los agentes de IA puedan usar para responder las preguntas de las partes interesadas y mantener activamente las vistas semánticas que impulsan a esos agentes....

Fuente: Jobicy (https://jobicy.com/jobs/151266-senior-analytics-engineer-us)