Ingeniero de análisis fundador

Quienes somos
Zefir está construyendo un piloto automático de IA para las ventas de viviendas en Europa, comenzando en Francia: un agente de IA ejecuta todo el proceso de compra y venta de principio a fin, orquestando a los corredores, portales, compradores y documentos locales.
Respaldados por más de 55 millones de dólares de inversores de primer nivel como Sequoia Capital, estamos comprometidos a acelerar los cambios en la vida de millones de propietarios de viviendas europeos actuales y futuros.
Un agente de inteligencia artificial que ejecuta una transacción inmobiliaria de principio a fin solo funciona si los datos que contiene están disponibles, son confiables y están gobernados. Ese es el trabajo.

Por qué existe este rol
Esta es la primera contratación de datos dedicada en años. Los cimientos funcionan, la dirección depende de usted.
Si bien BigQuery ya alberga la mayoría de nuestros datos, todavía nos faltan datos clave de crecimiento y un marco de gobernanza de datos coherente. Necesitamos definiciones unificadas, un esquema canónico y una capa semántica sólida que permita que Crecimiento, Finanzas, Operaciones y Producto autoservicio de conocimientos de manera eficiente y confiable.
Hoy en día, la situación se mantiene porque los individuos de Operaciones, Crecimiento, Finanzas e Ingeniería compensan localmente. Aprendieron las peculiaridades y crearon soluciones. Funciona, pero es frágil: los KPI varían entre herramientas, rastrean las fallas en silencio, los costos aumentan y nadie es dueño de la traducción entre los datos de ingeniería en bruto y la verdad lista para tomar decisiones.
Usted será el único propietario responsable de esa capa. No es una función de soporte, ni un mostrador de venta de entradas, ni una fábrica de BI.

lo que poseerás
Modelos canónicos y definiciones métricas. Una capa semántica documentada con entidades canónicas (Comprador, Vendedor, Activo, Agente) y capas Bronce/Plata/Oro. Contratos claros entre lo que expone Ingeniería y lo que consume cada función, para que los debates sobre KPI estén alineados sobre la misma métrica.
Habilitación de autoservicio. La parte sumergida del iceberg: modelos limpios, primitivas de BI consistentes, seguridad a nivel de filas y columnas, para que los gerentes de operaciones, crecimiento, finanzas y cuentas creen sus propios paneles sin comprometer la precisión.
Gobernanza de análisis y seguimiento. La taxonomía global de eventos y la hoja de ruta de seguimiento, una estrategia híbrida de eventos del lado del cliente y del lado del servidor, sincronización consistente entre CRM y plataformas de marketing, y flujos de consentimiento del RGPD por diseño, por lo que el gasto en adquisiciones se basa en una atribución en la que podemos confiar.
Fiabilidad, seguridad y coste de la plataforma. Estándares establecidos una vez en lugar de equipo por equipo: transformaciones probadas y versionadas, monitoreo de actualización, fallas y uso, patrones de ingesta sensatos (réplicas de lectura, CDC, lotes) y ninguna ruta de código de producción dependiendo de las tablas de BI.
Los datos y la IA impulsan las decisiones. Nuestras herramientas internas de IA ya consultan el almacén de datos para realizar análisis. Lo que falta es la base central: definiciones de métricas estandarizadas, lógica reutilizable y modelos de datos precalculados.

Cómo se ve el éxito después de 12 meses

• Una taxonomía de eventos documentada, actualmente utilizada por Ingeniería, Crecimiento y CRM.

• Una capa semántica donde cada KPI compartido tiene una única definición, un único propietario y un historial de versiones. Los nuevos miembros entienden el modelo de datos en días, no en meses.

• Acuerdos de nivel de servicio de actualización y falla publicados, una topología de ingesta explícita y sin ruta de producción dependiendo de las tablas de BI.

• Operaciones, Crecimiento, Finanzas y AM crean ellos mismos la mayoría de sus paneles recurrentes, y los agentes de IA consultan la capa de datos de forma segura a través de MCP seleccionados.

• La atribución del crecimiento es lo suficientemente confiable como para que las decisiones de gasto en adquisiciones anuales sean defendibles de principio a fin.

lo que estamos buscando

• Más de 7 años como ingeniero de datos, análisis o plataformas, idealmente incluyendo una temporada en una empresa de mercado o de consumo de rápido movimiento. Se espera exposición del personal o al plomo.

• Práctica con la pila de datos moderna: BigQuery (o Snowflake, Redshift), dbt o equivalente, SQL avanzado y modelado de datos, Python para canalizaciones, orquestación (Airflow, Dagster, Prefect).

• Ha enviado instrumentación y seguimiento de eventos en producción, de extremo a extremo: taxonomía, eventos del lado del cliente y del servidor, atribución, exclusión voluntaria conforme al RGPD, propagación descendente.

• Se siente cómodo con patrones de ingesta (Fivetran, Airbyte, CDC), ETL inverso (Hightouch, Census, Segment) y control de acceso (IAM, seguridad a nivel de filas y columnas, etiquetado de PII).

• Ha creado y es propietario de una capa semántica o de métricas, y puede arbitrar definiciones de métricas con Finanzas, Operaciones y Crecimiento sin pestañear.

• Trata a los agentes de IA como consumidores de datos de primera clase: expone los datos a través de MCP, API semánticas o texto a SQL, con las medidas de seguridad adecuadas.

• Propiedad fuerte: usted escribe los estándares, los defiende y arregla lo que está roto sin esperar permiso.

• Un comunicador claro que convierte los rituales de "ping a la persona de datos" en transferencias de autoservicio.

• Fluido en inglés y francés.

La compensación honesta
No hay ningún equipo de datos que gestionar y ninguno planificado a corto plazo. Obtienes autonomía real y una línea directa con los fundadores y líderes de funciones, a cambio de construir solo antes de tal vez formar un equipo. En una proptech comparable, te unirías a un equipo existente y a una hoja de ruta existente. Aquí, lo que significa una métrica en Zefir aún no está decidido, y tú eres quien lo decide.
Se adapta a la mentalidad de un hacedor, incluido alguien que ya ha liderado y quiere volver a construir.

Proceso de contratación

• Proyección con David, Talento (30 min)

• Análisis profundo con Gabriel, líder de ingeniería: tu experiencia pasada y lo que quieres a continuación (45 min)

• Entrevista técnica con Diane, tu futura responsable: plataforma de datos, modelado y seguimiento (1h)

• Entrevista cultural con Louis, cofundador, más un intercambio informal con un líder funcional (1h)

• Llamadas de referencia y luego oferta 🎉

Beneficios
Lo siguiente es sólo para empleados permanentes. Para otros contratos (prácticas, aprendices, duración determinada...), por favor, consulta con tu reclutador.

• Salario competitivo: puede ejecutar su propia simulación con nuestra calculadora de salario.

• BSPCE (Opciones sobre acciones): Disponible para todos, con derechos mensuales después del primer año, durante un período de 4 años.…

Fuente: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/zefir/founding-analytics-engineer-paris-74468)