Starszy inżynier ds. analityki – USA

Luxury Presence buduje platformę rozwoju AI dla nieruchomości. Wspierani przez Bessemer Venture Partners i innych czołowych inwestorów, jesteśmy spółką serii C, która osiągnęła 100 milionów dolarów rocznych stałych przychodów. Ponad 90 000 profesjonalistów z branży nieruchomości, w tym ponad 30% ze 100 najlepszych agentów WSJ Real Trends w Stanach Zjednoczonych, korzysta z naszych usług do prowadzenia i rozwijania swojej działalności.

Rola

Poszukujemy starszego inżyniera ds. analityki, który zbuduje i skaluje podstawy analityczne umożliwiające podejmowanie decyzji w zespołach zajmujących się wprowadzaniem na rynek, produktami, finansami, ludźmi i operacjami.

Będziesz siedzieć na skrzyżowaniu inżynierii danych i analityki: przekształcania surowych danych dotyczących produktów, marketingu, finansów i operacyjnych w czyste, dobrze wymodelowane i godne zaufania zbiory danych. Twoja praca będzie zasilać wszystko, od pulpitów menedżerskich i analiz kohortowych po eksperymenty, operacje rozliczeniowe, docieranie do klientów oparte na sztucznej inteligencji i warstwy semantyczne, które pozwalają agentom AI samodzielnie odpowiadać na pytania interesariuszy.

Jest to rola wysoce wielofunkcyjna — będziesz ściśle współpracować z działem zarządzania produktem, marketingiem, RevOps, finansami, zasobami ludzkimi i inżynierią, aby zapewnić solidność, skalowalność i dostosowanie naszego zestawu analitycznego do potrzeb firmy.

Obowiązki

Zbuduj i zarządzaj podstawą danych

•
Posiadaj i rozwijaj nasz projekt dbt — zapewniając, że modele są wydajne, dobrze przetestowane i udokumentowane.

•
Projektuj i utrzymuj hurtownię danych i procesy pozyskiwania danych Snowflake.

•
Korzystaj z najlepszych praktyk nowoczesnego modelowania danych, aby tworzyć podstawowe encje i zbiory danych, które uwzględniają złożone procesy biznesowe i logikę.

•
Twórz i utrzymuj niestandardowe potoki Python/Airflow w celu pozyskiwania danych z interfejsów API innych firm do Snowflake.

•
Projektuj i obsługuj modele uzgadniania międzysystemowego, które porównują dane z systemów źródłowych w celu wykrycia rozbieżności i ochrony przychodów.

Zwiększ jakość i automatyzację danych

•
Wdrażaj testowanie i obserwowalność potoków analitycznych.

•
Egzekwuj najlepsze praktyki CI/CD, takie jak automatyzacja, linting, testy, przegląd kodu i zatwierdzanie.

•
Standaryzuj definicje metryk i upewnij się, że są one obliczane w sposób spójny w różnych narzędziach.

•
Kompleksowe badanie i dokumentowanie incydentów związanych z danymi — od analizy przyczyn źródłowych, poprzez śledzenie działań naprawczych i komunikację z interesariuszami.

Współpraca międzyfunkcyjna

•
Działaj jako łącznik danych pomiędzy inżynierią, GTM i finansami — zapewniając spójne definicje metryk i odpowiednie oprzyrządowanie systemowe.

•
Zapewnij zainteresowanym stronom samoobsługowy dostęp do zaufanych spostrzeżeń.

•
Zwiększanie umiejętności korzystania z danych: szerzenie najlepszych praktyk w zakresie tworzenia zapytań, tworzenia dashboardów i interpretacji metryk; szkolić zainteresowane strony w kierunku samoobsługi.

Zbuduj infrastrukturę danych gotową na sztuczną inteligencję

•
Projektuj i utrzymuj widoki semantyczne Snowflake Cortex, które służą jako zarządzany interfejs danych dla agentów AI i narzędzi opartych na LLM.

•
Współpracuj z zespołami zajmującymi się sztuczną inteligencją/produktami, aby ustalać zakres, budować i weryfikować definicje warstw semantycznych, które obsługują wewnętrznych asystentów AI.

•
Twórz ramy pomiarowe dla inicjatyw opartych na sztucznej inteligencji, w tym projektowanie eksperymentów i modelowanie atrybucji.

Kwalifikacje

Musi mieć:

•
Ponad 5 lat doświadczenia jako inżynier analityk, inżynier danych lub na podobnym stanowisku w środowisku SaaS.

•
Głęboka wiedza na temat SQL, dbt i najlepszych praktyk w zakresie nowoczesnego modelowania danych.

•
Biegła znajomość języka Python na potrzeby tworzenia potoków, integracji API i automatyzacji.

•
Doświadczenie w modelowaniu danych Salesforce — możliwości, umowy, subskrypcje, sprawy i historia pól.

•
Udokumentowane doświadczenie w tworzeniu niestandardowych potoków ELT, które pobierają dane z interfejsów API innych firm do hurtowni danych w chmurze.

•
Doświadczenie w projektowaniu modeli uzgadniania między systemami — łączenie, deduplikacja i porównywanie danych z wielu systemów źródłowych w celu wykrycia rozbieżności.

•
Udokumentowane doświadczenie w pracy z danymi dotyczącymi zdarzeń i użycia produktów (np. Posthog, Mixpanel).

•
Doświadczenie w łączeniu danych marketingowych (płatne reklamy, kampanie, atrybucja) z analizą produktu – najlepiej dzięki budowaniu kompleksowych potoków od platform reklamowych aż po wskaźniki konwersji i utrzymania.

•
Doświadczenie w projektowaniu i utrzymywaniu warstw semantycznych, które służą jako zarządzane interfejsy danych (dbt Semantic Layer, Snowflake Cortex lub podobne).

•
Wygodny w obsłudze wielkoskalowych systemów danych (Snowflake, BigQuery, Redshift).

•
Dobra znajomość CI/CD, przepływów pracy opartych na Git i testowaniu automatycznym.

•
Doświadczenie we współpracy międzyfunkcyjnej z inżynierami, analitykami i menedżerami produktu.

•
Udowodniono, że udało się wykorzystać analitykę do podejmowania decyzji w środowisku technicznym lub zorientowanym na produkt.

•
Komfort przejmowania odpowiedzialności za niejednoznaczne problemy i projektowania kompleksowych rozwiązań.

Miło mieć:

•
Doświadczenie w budowaniu i utrzymywaniu DAG przepływu powietrza oraz organizowaniu potoków pozyskiwania API z wielu źródeł.

•
Solidne podstawy statystyki i projektowania eksperymentów — testy A/B, testowanie istotności i pomiar przyrostowego wpływu.

•
Doświadczenie w podstawach modelowania predykcyjnego — klasyfikacja, wybór cech i ocena modelu.

•
Znajomość wskaźników finansowych SaaS i operacji rozliczeniowych (ARR/MRR/NRR, uzgadnianie subskrypcji, rozpoznawanie przychodów).

•
Doświadczenie w analityce kadrowej (liczba pracowników, utrata pracowników, benchmarking wynagrodzeń).

Jak wygląda sukces

•
Stwórz zaufaną, dobrze modelowaną warstwę analityczną, na której codziennie polegają menedżerowie produktów, marketerzy i liderzy.

•
Popraw jakość i niezawodność danych dzięki jasnym umowom SLA i obserwowalności naszych najbardziej krytycznych modeli.

•
Skróć czas potrzebny na uzyskanie wglądu, umożliwiając samodzielny dostęp do wysokiej jakości zbiorów danych i metryk.

•
Ekstremalna własność infrastruktury krytycznej i modeli danych, które bezpośrednio wpływają na decyzje dotyczące produktów i rozwój biznesu.

•
Współpracuj z inżynierami danych i analitykami, aby zbudować warstwę semantyczną, której agenci AI będą mogli używać do odpowiadania na pytania interesariuszy — i aktywnie utrzymuj widoki semantyczne, które napędzają tych agentów.…

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