Ingénieur Analytics Senior - États-Unis

Luxury Presence construit la plateforme de croissance de l’IA pour l’immobilier. Soutenue par Bessemer Venture Partners et d'autres investisseurs de premier plan, nous sommes une société de série C qui a atteint 100 millions de dollars de revenus récurrents annuels. Plus de 90 000 professionnels de l'immobilier, dont plus de 30 % des 100 meilleurs agents du WSJ Real Trends aux États-Unis, nous font confiance pour gérer et développer leur entreprise.

Le rôle

Nous recherchons un ingénieur analytique senior pour créer et faire évoluer la base analytique qui alimente la prise de décision au sein des équipes de mise sur le marché, de produits, de finances, de personnel et d'opérations.

Vous serez à l'intersection de l'ingénierie et de l'analyse des données : transformer les données brutes sur les produits, le marketing, les finances et les opérations en ensembles de données propres, bien modélisés et fiables. Votre travail alimentera tout, des tableaux de bord exécutifs et analyses de cohortes à l'expérimentation, aux opérations de facturation, à la sensibilisation basée sur l'IA et aux couches sémantiques qui permettent aux agents d'IA de répondre de manière autonome aux questions des parties prenantes.

Il s'agit d'un rôle hautement interfonctionnel : vous travaillerez en étroite collaboration avec la gestion des produits, le marketing, le RevOps, les finances, les opérations humaines et l'ingénierie pour garantir que notre pile analytique est robuste, évolutive et alignée sur l'entreprise.

Responsabilités

Construire et posséder la fondation de données

•
Posséder et faire évoluer notre projet dbt en garantissant que les modèles sont performants, bien testés et documentés.

•
Concevoir et maintenir l'entrepôt de données et les processus d'ingestion de Snowflake.

•
Utilisez les meilleures pratiques modernes de modélisation des données pour créer des entités et des ensembles de données de base qui tiennent compte des processus métier et de la logique complexes.

•
Créez et gérez des pipelines Python/Airflow personnalisés pour ingérer des données provenant d'API tierces dans Snowflake.

•
Concevez et exploitez des modèles de rapprochement inter-systèmes qui comparent les données entre les systèmes sources pour faire apparaître les écarts et protéger les revenus.

Améliorez la qualité et l'automatisation des données

•
Implémentez les tests et l’observabilité pour les pipelines d’analyse.

•
Appliquez les meilleures pratiques CI/CD, telles que l’automatisation, le peluchage, les tests, la révision du code et les approbations.

•
Standardisez les définitions de métriques et assurez-vous qu’elles sont calculées de manière cohérente dans tous les outils.

•
Enquêtez et documentez les incidents liés aux données de bout en bout, depuis l'analyse des causes profondes jusqu'au suivi des mesures correctives et à la communication avec les parties prenantes.

Collaboration interfonctionnelle

•
Agir en tant que liaison de données entre l'ingénierie, le GTM et les finances, en garantissant des définitions de métriques cohérentes et une instrumentation système appropriée.

•
Permettez aux parties prenantes d’accéder en libre-service à des informations fiables.

•
Favoriser la maîtrise des données : évangéliser les meilleures pratiques en matière d'interrogation, de création de tableaux de bord et d'interprétation des métriques ; coacher les parties prenantes vers le libre-service.

Construire une infrastructure de données prête pour l'IA

•
Concevez et gérez des vues sémantiques Snowflake Cortex qui servent d'interface de données gouvernées pour les agents IA et les outils basés sur LLM.

•
Collaborez avec les équipes IA/produit pour définir, créer et valider les définitions de couche sémantique qui alimentent les assistants IA internes.

•
Créez des cadres de mesure pour les initiatives basées sur l'IA, y compris la conception d'expériences et la modélisation d'attribution.

Qualifications

Doit avoir :

•
Plus de 5 ans d'expérience en tant qu'ingénieur analytique, ingénieur de données ou rôle similaire dans un environnement SaaS.

•
Expertise approfondie dans les meilleures pratiques SQL, DBT et de modélisation de données moderne.

•
Maîtrise de Python pour le développement de pipelines, les intégrations d'API et l'automatisation.

•
Expérience de la modélisation des données Salesforce : opportunités, contrats, abonnements, requêtes et historique des champs.

•
Expérience avérée dans la création de pipelines ELT personnalisés qui ingèrent des données provenant d'API tierces dans un entrepôt de données cloud.

•
Expérience dans la conception de modèles de réconciliation inter-systèmes : jonction, déduplication et comparaison de données sur plusieurs systèmes sources pour faire apparaître les écarts.

•
Expérience avérée de travail avec des données basées sur des événements et sur l'utilisation de produits (par exemple, Posthog, Mixpanel).

•
Expérience dans la connexion de données marketing (annonces payantes, campagnes, attribution) aux analyses de produits – idéalement après avoir construit des pipelines de bout en bout depuis les plateformes publicitaires jusqu'aux mesures de conversion et de rétention.

•
Expérience dans la conception et la maintenance de couches sémantiques qui servent d'interfaces de données gouvernées (dbt Semantic Layer, Snowflake Cortex ou similaire).

•
À l'aise avec les systèmes de données à grande échelle (Snowflake, BigQuery, Redshift).

•
Solide familiarité avec CI/CD, les workflows basés sur Git et les tests automatisés.

•
Expérience de collaboration interfonctionnelle avec des ingénieurs, des analystes et des chefs de produit.

•
Succès démontré dans l'utilisation de l'analyse pour prendre des décisions dans un environnement technique ou axé sur le produit.

•
Aisance à s’approprier des problèmes ambigus et à concevoir des solutions de bout en bout.

Agréable à avoir :

•
Expérience dans la création et la maintenance de DAG Airflow et dans l'orchestration de pipelines d'ingestion d'API multi-sources.

•
Base solide en statistiques et en conception d'expériences : tests A/B, tests de signification et mesure de l'impact incrémentiel.

•
Expérience des principes fondamentaux de la modélisation prédictive : classification, sélection des fonctionnalités et évaluation du modèle.

•
Familiarité avec les métriques financières SaaS et les opérations de facturation (ARR/MRR/NRR, rapprochement des abonnements, reconnaissance des revenus).

•
Expérience de l'analyse des ressources humaines (effectif, attrition, analyse comparative de la rémunération).

À quoi ressemble le succès

•
Établissez une couche d'analyse fiable et bien modélisée sur laquelle les chefs de produit, les spécialistes du marketing et les dirigeants s'appuient quotidiennement.

•
Améliorez la qualité et la fiabilité des données, avec des SLA clairs et une observabilité autour de nos modèles les plus critiques.

•
Réduisez le temps d’obtention d’informations en permettant un accès en libre-service à des ensembles de données et des mesures de haute qualité.

•
Propriété extrême des infrastructures critiques et des modèles de données qui ont un impact direct sur les décisions relatives aux produits et à la croissance de l'entreprise.

•
Collaborez avec des ingénieurs de données et des analystes pour créer une couche sémantique que les agents d'IA peuvent utiliser pour répondre aux questions des parties prenantes – et maintenir activement les vues sémantiques qui alimentent ces agents.…

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