Emploi
De la source partenaire
Ingénieur de données senior
Prix sur demande
Détails
- Type de contrat
- Temps plein
- À distance
- Oui
- Entreprise
- Clear Street
Description
Traduit automatiquement depuis English. Le texte original fait foi. Traduction automatique — une traduction plus précise est en préparation.
Description du poste
Clear Street modernise l'écosystème du courtage. Fondée en 2018, Clear Street est une société de services financiers diversifiés remplaçant l'infrastructure existante utilisée sur les marchés des capitaux.
Nous sommes partis de zéro en créant un système de compensation et de conservation entièrement cloud-natif, conçu pour le marché mondial complexe d’aujourd’hui. Notre plateforme est entièrement intégrée aux chambres de compensation centrales et aux bourses pour prendre en charge des milliards de volumes de transactions par jour. Nous nous sommes préoccupés des abstractions de nos modèles de données, avons créé une évolutivité horizontale et conçu des API réfléchies. Tout cela afin que nous puissions offrir la meilleure expérience possible à nos clients.
En combinant des talents hautement qualifiés en matière de produits et d’ingénierie avec des professionnels de la finance chevronnés, nous construisons les éléments essentiels pour être compétitifs sur les marchés en évolution rapide d’aujourd’hui.
L'équipe :
La mission de l'équipe Clear Street Active est de fournir la meilleure exécution pour chaque classe d'actifs sur chaque marché. Active construit une nouvelle plate-forme de négociation de pointe basée sur le cloud offrant aux traders hautes performances un accès à des plateformes de liquidité sur plusieurs classes d'actifs, des graphiques de pointe et une gestion sophistiquée des ordres.
L'équipe Active Data est responsable de la façon dont l'entreprise se comprend et, de plus en plus, de la façon dont elle décide quoi faire ensuite. Les données circulent dans notre entrepôt à partir des plateformes publicitaires, des analyses de produits, des systèmes CRM et de support, ainsi que des propres systèmes de la maison de courtage. Ces informations sont renvoyées vers les plateformes qui envoient des messages à nos clients, enchérissent sur de nouveaux clients et gèrent les relations avec eux. Chaque saut est un endroit où les données peuvent être dupliquées, retardées ou redéfinies en silence, et une erreur qui quitte l'entrepôt ne reste pas un problème de reporting. Il dépense son budget publicitaire auprès des mauvaises personnes, envoie un mauvais message à un client ou indique mal un numéro réglementé. Le déplacement des données est un enjeu de table. Garder cela vrai tout au long de son voyage est le problème que pose ce rôle. Il s’agit d’une petite équipe avec une large surface, et nous la faisons évoluer à mesure que la plateforme se développe pour atteindre des dizaines de milliers de comptes.
Le rôle :
Trois domaines de l'entreprise dépendent de ce rôle, et vous serez propriétaire des données pour chacun d'entre eux :
• Croissance. Intégrez les dépenses, les clics et les conversions de tous les canaux payants, affiliés et organiques, rapprochez-les de nos propres enregistrements et renvoyez les résultats des comptes financés aux plateformes publicitaires, afin que les enchères soient optimisées pour les clients qui financent et négocient réellement.
• Cycle de vie et parcours utilisateur. Résolvez l'identité de chaque client depuis une première visite anonyme jusqu'à l'inscription, le KYC, le financement et la première transaction, et maintenez la messagerie du cycle de vie, le CRM et les systèmes d'assistance en phase avec ce qui s'est réellement passé.
• Données de courtage. Modélisez l’ouverture de compte, le KYC, le financement, les transferts et les transactions à partir des propres systèmes de la plateforme, avec la précision dont un courtier réglementé a besoin.
Dans les trois domaines, vous :
• Posséder l'intégrité des données dans les deux sens. Prouvez que chaque flux est arrivé complet et à temps, et que chaque synchronisation sortante a abouti comme prévu. Une conversion en double gonfle les dépenses publicitaires, un attribut obsolète envoie le mauvais message et une jointure brisée donne une fausse idée des comptes financés à la direction.
• Posséder les couches d'entrepôt dans dbt : modèles d'atterrissage bruts, par étapes et résolus par identité, ainsi que les modèles organisés à partir desquels les analystes, les data scientists, les tableaux de bord et les agents d'IA internes lisent. Chaque modèle a un grain déclaré et des tests.
• Établir des contrats de données avec l'ingénierie produit et avec les propriétaires des plates-formes dont nous dépendons, afin qu'un changement en amont soit capturé à la frontière au lieu d'annuler silencieusement un champ trois modèles en aval. Vous les définirez plutôt que d’en hériter.
• Gouvernance propre : accès basé sur les rôles, masquage des informations personnelles, conservation et auditabilité, y compris des outils en libre-service qui ne constituent pas un moyen de contourner les autorisations.
• Choisissez délibérément entre le traitement par lots, la capture de données modifiées et le streaming, en fonction des besoins réels de chaque consommateur.
• Collaborez avec le marketing, les produits et les opérations pour capturer les événements et les champs dont l'entreprise a besoin. Ce rôle est mesuré en fonction de la justesse et de la ponctualité des chiffres de l’entreprise, et non en fonction des pipelines livrés.
Ce que nous valorisons :
• Les ingénieurs ont mesuré si les chiffres étaient corrects, et non pas ce qui avait été expédié.
• Agence très élevée. Une grande partie du travail commence ici avant que l'exigence ne soit claire : la source n'a aucune documentation, le champ dont vous avez besoin n'a jamais été capturé et l'équipe qui le possède est en train de l'expédier. Nous avons besoin de quelqu'un qui recherche une dépendance dans une autre équipe et expédie quelque chose de fiable sans spécification.
• Scepticisme à l'égard des données, y compris de vos propres pipelines. Vérifiez le grain, les jointures et l'exhaustivité avant de faire confiance à un nombre.
• Une préférence pour les systèmes ennuyeux et observables plutôt que pour les systèmes intelligents
• Communication claire avec les non-ingénieurs : capable d'expliquer à un marketeur pourquoi le numéro d'hier a bougé, et de négocier un changement de schéma avec une équipe produit le même après-midi
• Pragmatisme : expédier la version qui fonctionne actuellement et l'améliorer délibérément plutôt que d'attendre la version idéale
Exigences :
• Au moins cinq années d'expérience en ingénierie de données ou en ingénierie analytique, avec des pipelines de production dont vous étiez responsable lorsqu'ils se sont cassés
• Maîtrise approfondie de SQL et Python, et expérience de production avec dbt dans un entrepôt en couches : modèles bruts, préparés et organisés avec un grain déclaré, des tests et des builds incrémentiels.
• Expérience pratique de l'intégration de données tierces et d'applications via des connecteurs gérés, des pipelines d'événements et de la capture de données modifiées, et de la gestion des problèmes liés à chacun : dérive de schéma, resynchronisations, doublons et enregistrements en retard ou manquants.
• Expérience en matière de renvoi de données, via ETL inversé, d'audiences ou de flux de conversion, et de contrôle de leur exactitude après leur sortie de l'entrepôt.
• La qualité des données en pratique : rapprochement avec les systèmes d'enregistrement, surveillance de la fraîcheur et du volume, et correctif qui empêche la répétition d'un incident…
Source : Jobspresso (https://jobspresso.co/job/senior-data-engineer-clear-street/)
Clear Street modernise l'écosystème du courtage. Fondée en 2018, Clear Street est une société de services financiers diversifiés remplaçant l'infrastructure existante utilisée sur les marchés des capitaux.
Nous sommes partis de zéro en créant un système de compensation et de conservation entièrement cloud-natif, conçu pour le marché mondial complexe d’aujourd’hui. Notre plateforme est entièrement intégrée aux chambres de compensation centrales et aux bourses pour prendre en charge des milliards de volumes de transactions par jour. Nous nous sommes préoccupés des abstractions de nos modèles de données, avons créé une évolutivité horizontale et conçu des API réfléchies. Tout cela afin que nous puissions offrir la meilleure expérience possible à nos clients.
En combinant des talents hautement qualifiés en matière de produits et d’ingénierie avec des professionnels de la finance chevronnés, nous construisons les éléments essentiels pour être compétitifs sur les marchés en évolution rapide d’aujourd’hui.
L'équipe :
La mission de l'équipe Clear Street Active est de fournir la meilleure exécution pour chaque classe d'actifs sur chaque marché. Active construit une nouvelle plate-forme de négociation de pointe basée sur le cloud offrant aux traders hautes performances un accès à des plateformes de liquidité sur plusieurs classes d'actifs, des graphiques de pointe et une gestion sophistiquée des ordres.
L'équipe Active Data est responsable de la façon dont l'entreprise se comprend et, de plus en plus, de la façon dont elle décide quoi faire ensuite. Les données circulent dans notre entrepôt à partir des plateformes publicitaires, des analyses de produits, des systèmes CRM et de support, ainsi que des propres systèmes de la maison de courtage. Ces informations sont renvoyées vers les plateformes qui envoient des messages à nos clients, enchérissent sur de nouveaux clients et gèrent les relations avec eux. Chaque saut est un endroit où les données peuvent être dupliquées, retardées ou redéfinies en silence, et une erreur qui quitte l'entrepôt ne reste pas un problème de reporting. Il dépense son budget publicitaire auprès des mauvaises personnes, envoie un mauvais message à un client ou indique mal un numéro réglementé. Le déplacement des données est un enjeu de table. Garder cela vrai tout au long de son voyage est le problème que pose ce rôle. Il s’agit d’une petite équipe avec une large surface, et nous la faisons évoluer à mesure que la plateforme se développe pour atteindre des dizaines de milliers de comptes.
Le rôle :
Trois domaines de l'entreprise dépendent de ce rôle, et vous serez propriétaire des données pour chacun d'entre eux :
• Croissance. Intégrez les dépenses, les clics et les conversions de tous les canaux payants, affiliés et organiques, rapprochez-les de nos propres enregistrements et renvoyez les résultats des comptes financés aux plateformes publicitaires, afin que les enchères soient optimisées pour les clients qui financent et négocient réellement.
• Cycle de vie et parcours utilisateur. Résolvez l'identité de chaque client depuis une première visite anonyme jusqu'à l'inscription, le KYC, le financement et la première transaction, et maintenez la messagerie du cycle de vie, le CRM et les systèmes d'assistance en phase avec ce qui s'est réellement passé.
• Données de courtage. Modélisez l’ouverture de compte, le KYC, le financement, les transferts et les transactions à partir des propres systèmes de la plateforme, avec la précision dont un courtier réglementé a besoin.
Dans les trois domaines, vous :
• Posséder l'intégrité des données dans les deux sens. Prouvez que chaque flux est arrivé complet et à temps, et que chaque synchronisation sortante a abouti comme prévu. Une conversion en double gonfle les dépenses publicitaires, un attribut obsolète envoie le mauvais message et une jointure brisée donne une fausse idée des comptes financés à la direction.
• Posséder les couches d'entrepôt dans dbt : modèles d'atterrissage bruts, par étapes et résolus par identité, ainsi que les modèles organisés à partir desquels les analystes, les data scientists, les tableaux de bord et les agents d'IA internes lisent. Chaque modèle a un grain déclaré et des tests.
• Établir des contrats de données avec l'ingénierie produit et avec les propriétaires des plates-formes dont nous dépendons, afin qu'un changement en amont soit capturé à la frontière au lieu d'annuler silencieusement un champ trois modèles en aval. Vous les définirez plutôt que d’en hériter.
• Gouvernance propre : accès basé sur les rôles, masquage des informations personnelles, conservation et auditabilité, y compris des outils en libre-service qui ne constituent pas un moyen de contourner les autorisations.
• Choisissez délibérément entre le traitement par lots, la capture de données modifiées et le streaming, en fonction des besoins réels de chaque consommateur.
• Collaborez avec le marketing, les produits et les opérations pour capturer les événements et les champs dont l'entreprise a besoin. Ce rôle est mesuré en fonction de la justesse et de la ponctualité des chiffres de l’entreprise, et non en fonction des pipelines livrés.
Ce que nous valorisons :
• Les ingénieurs ont mesuré si les chiffres étaient corrects, et non pas ce qui avait été expédié.
• Agence très élevée. Une grande partie du travail commence ici avant que l'exigence ne soit claire : la source n'a aucune documentation, le champ dont vous avez besoin n'a jamais été capturé et l'équipe qui le possède est en train de l'expédier. Nous avons besoin de quelqu'un qui recherche une dépendance dans une autre équipe et expédie quelque chose de fiable sans spécification.
• Scepticisme à l'égard des données, y compris de vos propres pipelines. Vérifiez le grain, les jointures et l'exhaustivité avant de faire confiance à un nombre.
• Une préférence pour les systèmes ennuyeux et observables plutôt que pour les systèmes intelligents
• Communication claire avec les non-ingénieurs : capable d'expliquer à un marketeur pourquoi le numéro d'hier a bougé, et de négocier un changement de schéma avec une équipe produit le même après-midi
• Pragmatisme : expédier la version qui fonctionne actuellement et l'améliorer délibérément plutôt que d'attendre la version idéale
Exigences :
• Au moins cinq années d'expérience en ingénierie de données ou en ingénierie analytique, avec des pipelines de production dont vous étiez responsable lorsqu'ils se sont cassés
• Maîtrise approfondie de SQL et Python, et expérience de production avec dbt dans un entrepôt en couches : modèles bruts, préparés et organisés avec un grain déclaré, des tests et des builds incrémentiels.
• Expérience pratique de l'intégration de données tierces et d'applications via des connecteurs gérés, des pipelines d'événements et de la capture de données modifiées, et de la gestion des problèmes liés à chacun : dérive de schéma, resynchronisations, doublons et enregistrements en retard ou manquants.
• Expérience en matière de renvoi de données, via ETL inversé, d'audiences ou de flux de conversion, et de contrôle de leur exactitude après leur sortie de l'entrepôt.
• La qualité des données en pratique : rapprochement avec les systèmes d'enregistrement, surveillance de la fraîcheur et du volume, et correctif qui empêche la répétition d'un incident…
Source : Jobspresso (https://jobspresso.co/job/senior-data-engineer-clear-street/)
Cette annonce provient d'un flux partenaire. Postulez sur le site source.
Source: Clear Street
Annonce fournie par Clear Street.