Starszy inżynier danych, reklamy

Discord ma bardzo zaangażowaną społeczność milionów aktywnych użytkowników dziennie, którzy korzystają z platformy z wielu różnych powodów, ale jest jedna rzecz, którą robią prawie wszyscy: granie w gry wideo. Discord odgrywa wyjątkowo ważną rolę w przyszłości gier i skupiamy się na tym, aby ułatwić ludziom spędzanie czasu przed, w trakcie i po graniu w gry.

Discord poszukuje doświadczonego inżyniera danych, skupiającego się na danych o naszych produktach reklamowych. Na tym stanowisku będziesz kierować wizją techniczną i strategią inżynierii danych reklamowych w celu wsparcia naszych inicjatyw uczenia maszynowego, jednocześnie budując i utrzymując zaawansowane potoki danych, zbiory danych i narzędzia analityczne. Będziesz kierować wielofunkcyjnymi inicjatywami mającymi na celu transformację naszych produktów reklamowych poprzez spostrzeżenia oparte na danych i będziesz mentorem innych inżynierów, aby zapewniali wyjątkowe wyniki.

Ta rola w dużym stopniu współpracuje z nauką o danych, uczeniem maszynowym i produktem. Jeśli ekscytuje Cię wiodąca innowacja techniczna, projektowanie skalowalnych rozwiązań i wzmacnianie pozycji zespołów za pomocą danych, zachęcamy Cię do wykonania ruchu!

Co będziesz robić

• Projektuj i twórz własne podstawowe modele danych reklam: tabele faktów/przyciemnień, kanoniczne zbiory danych i warstwy agregacji, które wspomagają dostarczanie, pomiary, kierowanie, atrybucję i przypadki użycia uczenia maszynowego.

• Twórz i zarządzaj danymi ML, które umożliwiają ranking, dostarczanie i kierowanie reklam – w tym opracowywanie funkcji, przepływy pracy związane z generowaniem etykiet, szkolenia w ciągu dnia i obserwowalność danych wejściowych ML w celu wychwytywania problemów z jakością danych, zanim spowodują one pogorszenie wydajności modelu.

• Twórz potoki pomiaru konwersji i integruj dane atrybucji innych firm – w tym integracje atrybucji konwersji i partnera pomiarów mobilnych (MMP) (Adjust, AppsFlyer, Singular) – zapewniając dokładność atrybucji i parytet danych na powierzchniach pomiarowych.

• Twórz infrastrukturę wsadową lub potokową działającą w czasie zbliżonym do rzeczywistego w całym ekosystemie reklam – dążąc do uzyskania danych o niższych opóźnieniach na potrzeby uczenia maszynowego i raportowania przypadków użycia w naszym stosie BigQuery + dbt + Dagster. Współpraca z Data Platform przy wprowadzaniu i powodzeniu nowych silników przetwarzania danych w celu obsługi wymagań małych opóźnień.

• Opracuj ramy jakości danych, systemy monitorowania, automatyczne wykrywanie anomalii i infrastrukturę SLA dla krytycznych strumieni reklamowych na masową skalę.

• Aktywnie identyfikuj podstawowe luki w infrastrukturze danych — w tym te, które mają szerokie implikacje w zakresie uczenia maszynowego, pomiarów i raportowania — oraz projektuj skalowalne, kanoniczne rozwiązania, na których może polegać wiele zespołów.

• Twórz systemy od podstaw w szybko rozwijającym się, zielonym środowisku danych reklamowych – podejmuj rozsądne decyzje dotyczące architektury na podstawie niekompletnych informacji i równoważąc krótkoterminowe dostawy z długoterminowymi inwestycjami w infrastrukturę.

• Zapewnij spójność między zespołami zajmującymi się analizą danych, inżynierią uczenia maszynowego, produktami reklamowymi i GTM poprzez jasne narracje, które łączą decyzje dotyczące infrastruktury danych z wynikami biznesowymi i wpływem na przychody.

• Mentorowanie inżynierów poprzez wyzwania techniczne, przeglądy kodu i projektów oraz posiadanie złożonych projektów – przyczyniając się do kultury i standardów inżynieryjnych zespołu zespołu Data Engineering.

Co powinieneś mieć

• Ponad 5 lat praktycznego doświadczenia w pisaniu kodu produkcyjnego i projektowaniu potoków danych z dużą ilością danych konsumenckich w domenach technologii reklamowych (dostarczanie reklam, ranking, targetowanie, tożsamość, pomiar konwersji).

• Głęboka wiedza specjalistyczna w zakresie inżynierii danych dotyczących reklam cyfrowych – w szczególności w zakresie dostarczania reklam, pomiaru konwersji, potoków atrybucji lub infrastruktury danych funkcji ML. Bardzo cenione jest doświadczenie z danymi konwersji i interfejsami API, integracją MMP lub infrastrukturą grafów tożsamości.

• Udokumentowane doświadczenie w budowaniu modeli danych w środowisku od podstaw lub w środowisku 0 do 1, w którym wymagania często się zmieniają, dokumentacja jest skąpa, a decyzje dotyczące architektury podejmowane są na podstawie niekompletnych informacji.

• SQL i Python na poziomie eksperckim. Silna umiejętność projektowania wydajnych, łatwych w utrzymaniu modeli danych i pisania kodu rurociągu o jakości produkcyjnej.

• Udokumentowane praktyczne doświadczenie w audytach jakości danych, systemach monitorowania i automatycznym wykrywaniu anomalii w przypadku zbiorów danych na masową skalę (ponad miliardy wierszy) – w tym ram jakości zaprojektowanych dla danych wejściowych ML.

• Silne umiejętności komunikacji technicznej, umożliwiające kierowanie dostosowaniem, wpływanie na ustalanie priorytetów i zdobywanie akceptacji ze strony interesariuszy technicznych.

• Nastawienie na współpracę i silne instynkty wielofunkcyjne z doświadczeniem w budowaniu opartych na zaufaniu relacji roboczych z zespołami zajmującymi się analizą danych, inżynierią uczenia maszynowego i zespołami ds. produktów.

Punkty bonusowe

• Pasja do społeczności Discord lub graczy

• Doświadczenie w technologiach wizualizacji danych i dashboardów (Looker, Tableau lub podobne)

• Doświadczenie w projektowaniu architektury danych w celu wykorzystania różnych przypadków użycia, w tym raportowania (wewnętrznego i zewnętrznego), analiz adhoc, eksperymentów.

• Praca z narzędziami Data AI w celu zapewnienia większej użyteczności samoobsługi dla klientów.

• Oprócz przetwarzania wsadowego preferowane jest doświadczenie w budowaniu infrastruktury potoków działających w czasie zbliżonym do rzeczywistego lub strumieniowej (np. Kafka, Spark Streaming lub równoważnej).

Podstawowy zakres wynagrodzeń w USA na tym stanowisku w pełnym wymiarze godzin wynosi od 220 500 do 245 000 USD + kapitał własny + świadczenia. Nasze zakresy wynagrodzeń zależą od roli i poziomu. W tym przedziale o indywidualnym wynagrodzeniu decydują dodatkowe czynniki, do których zaliczają się umiejętności związane z pracą, doświadczenie oraz odpowiednie wykształcenie lub przeszkolenie. Należy pamiętać, że szczegóły dotyczące wynagrodzeń wymienione w ogłoszeniach o stanowiskach w USA odzwierciedlają wyłącznie wynagrodzenie podstawowe i nie obejmują kapitału własnego ani świadczeń.

Dlaczego Discord?…

Źródło: Jobicy (https://jobicy.com/jobs/155126-senior-data-engineer-ads)