Główny inżynier danych technicznych

Co sprawia, że Cloudbeds są wyjątkowe

W Cloudbeds nie tylko tworzymy oprogramowanie, zmieniamy hotelarstwo. Nasza platforma obsługuje hotele w 150 krajach, przetwarzając miliardy rezerwacji rocznie. Od obiektów butikowych po duże grupy hotelowe – pomagamy hotelarzom przekształcać operacje i podnosić poziom ich strategii komercyjnej za pośrednictwem ujednoliconej platformy, która integruje się z setkami partnerów. I robimy to z całkowicie zdalnym zespołem. Wyobraź sobie współpracę z globalnymi innowatorami przy tworzeniu rozwiązań opartych na sztucznej inteligencji, które rozwiązują największe wyzwania hotelarzy. Od chwili założenia w 2012 roku nieustannie jesteśmy doceniani za doskonałość, ostatnio zdobywając najwyższe wyróżnienia w konkursie HotelTechAwards 2026 dla najlepszego oprogramowania do zarządzania hotelem i ponownie lądując na liście Technology Fast 500 firmy Deloitte, ale dopiero zaczynamy.

Nasz zespół ds. analityki danych i BI:

Jesteśmy małym, starszym, w pełni zdalnym zespołem zajmującym się analityką dla całej firmy na platformach Snowflake, dbt, Matillion i Sigma. Działamy szybko i wysyłamy rzeczy, których ludzie używają na co dzień. Brakuje nam starszego głosu technicznego, który mógłby podejmować podstawowe decyzje – dotyczące architektury, platformy, zarządzania, operacji uczenia maszynowego – tak aby przyspieszyć łączenie zamiast akumulować zadłużenie. To jest ta rola, która wiąże się z niezwykłą swobodą decydowania o tym, jak platforma powinna działać.

Jak wywrzesz wpływ:

Jako nasz główny techniczny inżynier danych i architekt danych będziesz kształtować kierunek techniczny, standardy architektoniczne i zarządzanie danymi w naszej podstawowej platformie Data Analytics. To praktyczna rola przywódcza: będziesz pełnić funkcję naszego architekta danych — odpowiedzialnego za logiczne i fizyczne modelowanie danych, projekt hurtowni i warstwową selekcję (staging → średniozaawansowany → mart) — jednocześnie pełniąc funkcję naszego kierownika technicznego ds. inżynierii danych.

Pomożesz w ciągłym unowocześnianiu naszego stosu technologicznego, podnoszeniu dyscypliny inżynierii oprogramowania w naszych potokach danych (DataOps/CI-CD), optymalizacji wydajności i kosztów obliczeniowych, usprawnianiu przepływów pracy MLOps oraz wzmacnianiu standardów jakości i bezpieczeństwa danych. Co najważniejsze, będziesz kierować naszymi inicjatywami w zakresie gotowości na sztuczną inteligencję – tworząc architekturę warstw semantycznych, struktur danych i wzorców dostępu potrzebnych, aby nasze dane były płynne i niezawodne dla agentów AI i zautomatyzowanych przepływów pracy. Będziesz pełnić funkcję kotwicy technicznej dla utalentowanego zespołu inżynierów analitycznych, ściśle współpracując z inżynierią, infrastrukturą, nauką o danych / ML i interesariuszami biznesowymi, aby zapewnić niezawodność, skalowalność i gotowość biznesową naszego ekosystemu danych.

Co wnosisz do zespołu:

•
Własność w zakresie architektury i modelowania danych: Ustaw i rozwijaj naszą architekturę danych w chmurze w Snowflake. Własne projektowanie modeli danych w produktach i hurtowniach danych, wdrażanie elastycznych modeli wymiarowych (Schematy gwiazd, SCD, wymiary zgodne) i dokumentowanie decyzji za pomocą rekordów decyzji architektonicznych (ADR).

•
Kompetencja w zakresie inżynierii danych: Kieruj kompleksowym projektowaniem i wykonywaniem potoków danych — pozyskiwaniem danych, integracją API, niestandardowymi łącznikami, procesami ELT/ETL i orkiestracją potoków.

•
Integracja DataOps i CI/CD: Wykorzystaj nasze istniejące przepływy pracy Git, CI/CD i Jira, osadzając wyspecjalizowane dyscypliny danych — takie jak automatyczne testowanie dbt na żądaniach ściągnięcia, izolacja środowiska, automatyczne zarządzanie poświadczeniami i standardy wdrażania danych.

•
Strategia zarządzania i obserwowalności: Opieraj się na początkowych podstawach naszego modelu zarządzania i udoskonalaj je. Oceniaj, wybieraj i wdrażaj skalowalne rozwiązania Data Catalog i Data Observability w celu śledzenia pochodzenia danych, zapewniania świeżości, monitorowania kompletności i automatyzacji powiadamiania o awariach.

•
Wydajność platformy i kontrola kosztów: stale dostosowuj wydajność zapytań Snowflake, klastry i rozmiar magazynu, aby zoptymalizować czas wykonywania i wydatki na obliczenia.

•
Mentoring techniczny i zwinne przywództwo: Podnoś efektywność techniczną inżynierów analitycznych w ramach naszego zwinnego planu planowania poprzez wskazówki architektoniczne, przeglądy projektów i konstruktywne wyzwania.

•
Modernizacja stosu i ewolucja architektury: stale oceniaj nowe narzędzia, struktury i wzorce architektury, aby modernizować, optymalizować i zwiększać elastyczność naszego stosu danych.

Co gwarantuje sukces:

•
Starsze doświadczenie praktyczne: udokumentowane doświadczenie jako starszy inżynier danych, architekt danych lub lider techniczny w środowiskach danych w chmurze.

•
Gotowość do sztucznej inteligencji i agentów: umiejętność przygotowywania struktur danych, modeli semantycznych, magazynów funkcji i warstw API/dostępu dla agentów AI, potoków uczenia maszynowego i zautomatyzowanych przepływów pracy LLM.

•
Snowflake i mistrzostwo w dbt: głęboka, praktyczna wiedza na temat administrowania, dostrajania i modelowania w Snowflake, wraz z zaawansowaną znajomością dbt (makra, modele przyrostowe, testy niestandardowe, pakiety i natywne testy CI/CD dla dbt).

•
Zaawansowane umiejętności SQL i Python: Eksperckie umiejętności analityczne SQL (dostrajanie planu wykonania zapytań, funkcje okien, CTE) i dobra znajomość języka Python w zakresie potoków danych, skryptów i przepływów pracy MLOps.

•
Ocena orkiestracji i narzędzi: Praktyczne doświadczenie z silnikami pozyskiwania i orkiestracji (np. Matillion, Apache Airflow, Prefect, Dagster, Fivetran), z dużą umiejętnością oceny kompromisów architektonicznych, wydajności i kosztów podczas wyboru lub migracji platform.

•
Dyscyplina DataOps i inżynieria oprogramowania: doświadczenie w pracy z aktywnymi potokami Git i CI/CD, z doświadczeniem w rozszerzaniu tych systemów o automatyczne testowanie danych, sprawdzanie poprawności wdrożenia i bezpieczną rotację poświadczeń.

•
Krytyczne myślenie i rozkład problemów: Tendencja do kwestionowania założeń, gromadzenia pełnego kontekstu biznesowego, formułowania hipotez i rygorystycznej oceny wyników (szczególnie w przypadku wyników AI/ML) przed przejściem do rozwiązań technicznych.

•
Eksperymenty pragmatyczne: pasja tworzenia lekkich MVP i dowodów koncepcji (POC) w celu oceny nowych technologii, testowania hipotez architektonicznych i modernizacji stosu danych.…

Źródło: Jobicy (https://jobicy.com/jobs/156345-tech-lead-data-engineer)