Praca
Z kanału partnera
Starszy inżynier danych
Cena na życzenie
Szczegóły
- Typ zatrudnienia
- Pełny etat
- Zdalnie
- Tak
- Firma
- Clear Street
Opis
Automatyczne tłumaczenie z języka English. Oryginał jest wiążący. Tłumaczenie maszynowe — trwają prace nad dokładniejszą wersją.
Opis stanowiska
Clear Street modernizuje ekosystem brokerski. Założona w 2018 roku firma Clear Street to zdywersyfikowana firma świadcząca usługi finansowe, zastępująca dotychczasową infrastrukturę wykorzystywaną na rynkach kapitałowych.
Zaczęliśmy od zera, budując całkowicie natywny w chmurze system rozliczeniowy i powierniczy, zaprojektowany dla dzisiejszego złożonego, globalnego rynku. Nasza platforma jest w pełni zintegrowana z centralnymi izbami rozliczeniowymi i giełdami, aby obsługiwać miliardowe obroty dziennie. Zadręczaliśmy się abstrakcjami naszych modeli danych, stworzyliśmy skalowalność poziomą i przemyślane interfejsy API. Wszystko po to, abyśmy mogli zapewnić naszym klientom najlepsze w swojej klasie doświadczenia.
Łącząc wysoko wykwalifikowanych specjalistów ds. produktów i inżynierii z doświadczonymi specjalistami ds. finansów, tworzymy elementy niezbędne do konkurowania na dzisiejszych dynamicznych rynkach.
Zespół:
Misją zespołu Clear Street Active jest zapewnienie najlepszej realizacji każdej klasy aktywów na każdym rynku. Active buduje nową, najnowocześniejszą platformę transakcyjną opartą na chmurze, zapewniającą wysokiej klasy traderom dostęp do systemów płynności w wielu klasach aktywów, najnowocześniejszych wykresów i zaawansowanej obsługi zleceń.
Zespół Active Data jest właścicielem tego, jak firma rozumie siebie i w coraz większym stopniu decyduje, co robić dalej. Dane napływają do naszego magazynu z platform reklamowych, analityki produktów, systemów CRM i wsparcia oraz systemów własnych domu maklerskiego. Płynie z powrotem do platform, które wysyłają wiadomości do naszych klientów, ubiegają się o nowych i zarządzają z nimi relacjami. Każdy przeskok to miejsce, w którym dane mogą zostać zduplikowane, opóźnione lub po cichu przedefiniowane, a błąd opuszczający hurtownię nie pozostaje problemem raportowania. Wydaje budżet reklamowy na niewłaściwe osoby, wysyła klientowi zły komunikat lub błędnie podaje regulowany numer. Przenoszenie danych to stawki w tabeli. Utrzymanie prawdy w trakcie podróży to problem, z którym boryka się ta rola. Jest to mały zespół o dużej powierzchni, który skalujemy w miarę rozwoju platformy w kierunku kilkudziesięciu tysięcy kont.
Rola:
Od tej roli zależą trzy obszary działalności firmy i będziesz właścicielem danych dla każdego z nich:
• Wzrost. Uwzględniaj wydatki, kliknięcia i konwersje ze wszystkich kanałów płatnych, stowarzyszonych i bezpłatnych, porównuj je z naszymi własnymi danymi i przesyłaj wyniki z zasilonego konta z powrotem do platform reklamowych, aby optymalizować stawki pod kątem klientów, którzy faktycznie finansują i handlują.
• Cykl życia i podróż użytkownika. Rozpoznaj tożsamość każdego klienta od pierwszej anonimowej wizyty poprzez rejestrację, KYC, finansowanie i pierwszą transakcję, a także dostosuj komunikaty dotyczące cyklu życia, CRM i systemy wsparcia do tego, co faktycznie się wydarzyło.
• Dane maklerskie. Modeluj otwieranie kont, KYC, finansowanie i przelewy oraz handel z własnych systemów platformy, z precyzją, jakiej potrzebuje regulowany broker-dealer.
We wszystkich trzech przypadkach będziesz:
• Własna integralność danych w obu kierunkach. Udowodnij, że każdy kanał dotarł kompletny i terminowy, a każda synchronizacja wychodząca zakończyła się tym, co powinna. Zduplikowana konwersja zwiększa wydatki na reklamę, nieaktualny atrybut wysyła zły komunikat, a zerwane połączenie błędnie przedstawia kierownictwu zasilone konta.
• Posiadaj warstwy hurtowni w dbt: surowe lądowanie, modele etapowe i modele z identyfikacją tożsamości oraz wyselekcjonowane modele, z których odczytują analitycy, badacze danych, pulpity nawigacyjne i wewnętrzni agenci AI. Każdy model posiada zadeklarowane ziarno i badania.
• Zawrzyj umowy dotyczące danych z inżynierami produktów i właścicielami platform, od których jesteśmy zależni, tak aby zmiana na początku była wychwytywana na granicy, zamiast po cichu usuwać pole trzy modele dalej. Zdefiniujesz je, zamiast je dziedziczyć.
• Własne zarządzanie: dostęp oparty na rolach, maskowanie danych osobowych, przechowywanie i możliwość kontroli, w tym narzędzia samoobsługowe, które nie stają się sposobem na obejście uprawnień.
• Wybieraj świadomie pomiędzy gromadzeniem danych w trybie wsadowym, przechwytywaniem danych ze zmianą a przesyłaniem strumieniowym, w oparciu o rzeczywiste potrzeby każdego konsumenta.
• Współpracuj z działem marketingu, produktów i operacji, aby uchwycić wydarzenia i dziedziny odpowiadające potrzebom biznesowym. Rolę tę mierzy się na podstawie tego, czy dane firmy są prawidłowe i terminowe, a nie na podstawie dostarczonych rurociągów.
Co cenimy:
• Inżynierowie oceniali, czy liczby są prawidłowe, a nie na podstawie tego, co zostało wysłane
• Bardzo wysoka agencja. Większość pracy rozpoczyna się, zanim wymagania są jasne: źródło nie ma dokumentacji, potrzebne pole nigdy nie zostało przechwycone, a zespół będący jego właścicielem jest zajęty wysyłką. Potrzebujemy kogoś, kto przeniesie zależność do innego zespołu i dostarczy coś niezawodnego bez specyfikacji.
• Sceptycyzm w stosunku do danych, w tym własnych rurociągów. Zanim zaufasz numerowi, sprawdź ziarno, połączenia i kompletność.
• Preferowanie nudnych, dających się zaobserwować systemów zamiast inteligentnych
• Jasna komunikacja z osobami niebędącymi inżynierami: możliwość wyjaśnienia marketerowi, dlaczego wczorajszy numer został przeniesiony, i wynegocjowania zmiany schematu z zespołem ds. produktu jeszcze tego samego popołudnia
• Pragmatyzm: wyślij wersję, która działa teraz i ulepszaj ją świadomie, zamiast czekać na wersję idealną
Wymagania:
• Co najmniej pięć lat w inżynierii danych lub inżynierii analitycznej, z rurociągami produkcyjnymi, o które trzeba było walczyć, gdy się zepsuły
• Głęboka biegłość w SQL i Python oraz doświadczenie produkcyjne z dbt w hurtowni warstwowej: surowe, etapowe i wyselekcjonowane modele z zadeklarowanym ziarnem, testami i kompilacjami przyrostowymi
• Praktyczne doświadczenie w wprowadzaniu danych innych firm i aplikacji za pośrednictwem zarządzanych łączników, potoków zdarzeń i przechwytywaniu zmian danych oraz radzeniu sobie z problemami w każdym z nich: dryfem schematu, ponowną synchronizacją, duplikatami oraz spóźnionymi lub brakującymi rekordami
• Doświadczenie w wysyłaniu danych z powrotem za pośrednictwem odwrotnego ETL, odbiorców lub kanałów konwersji i sprawdzaniu ich poprawności po opuszczeniu magazynu
• Jakość danych w praktyce: uzgadnianie z systemami monitorowania zapisów, świeżości i objętości oraz rozwiązanie, które zapobiega powtarzaniu się incydentów…
Źródło: Jobspresso (https://jobspresso.co/job/senior-data-engineer-clear-street/)
Clear Street modernizuje ekosystem brokerski. Założona w 2018 roku firma Clear Street to zdywersyfikowana firma świadcząca usługi finansowe, zastępująca dotychczasową infrastrukturę wykorzystywaną na rynkach kapitałowych.
Zaczęliśmy od zera, budując całkowicie natywny w chmurze system rozliczeniowy i powierniczy, zaprojektowany dla dzisiejszego złożonego, globalnego rynku. Nasza platforma jest w pełni zintegrowana z centralnymi izbami rozliczeniowymi i giełdami, aby obsługiwać miliardowe obroty dziennie. Zadręczaliśmy się abstrakcjami naszych modeli danych, stworzyliśmy skalowalność poziomą i przemyślane interfejsy API. Wszystko po to, abyśmy mogli zapewnić naszym klientom najlepsze w swojej klasie doświadczenia.
Łącząc wysoko wykwalifikowanych specjalistów ds. produktów i inżynierii z doświadczonymi specjalistami ds. finansów, tworzymy elementy niezbędne do konkurowania na dzisiejszych dynamicznych rynkach.
Zespół:
Misją zespołu Clear Street Active jest zapewnienie najlepszej realizacji każdej klasy aktywów na każdym rynku. Active buduje nową, najnowocześniejszą platformę transakcyjną opartą na chmurze, zapewniającą wysokiej klasy traderom dostęp do systemów płynności w wielu klasach aktywów, najnowocześniejszych wykresów i zaawansowanej obsługi zleceń.
Zespół Active Data jest właścicielem tego, jak firma rozumie siebie i w coraz większym stopniu decyduje, co robić dalej. Dane napływają do naszego magazynu z platform reklamowych, analityki produktów, systemów CRM i wsparcia oraz systemów własnych domu maklerskiego. Płynie z powrotem do platform, które wysyłają wiadomości do naszych klientów, ubiegają się o nowych i zarządzają z nimi relacjami. Każdy przeskok to miejsce, w którym dane mogą zostać zduplikowane, opóźnione lub po cichu przedefiniowane, a błąd opuszczający hurtownię nie pozostaje problemem raportowania. Wydaje budżet reklamowy na niewłaściwe osoby, wysyła klientowi zły komunikat lub błędnie podaje regulowany numer. Przenoszenie danych to stawki w tabeli. Utrzymanie prawdy w trakcie podróży to problem, z którym boryka się ta rola. Jest to mały zespół o dużej powierzchni, który skalujemy w miarę rozwoju platformy w kierunku kilkudziesięciu tysięcy kont.
Rola:
Od tej roli zależą trzy obszary działalności firmy i będziesz właścicielem danych dla każdego z nich:
• Wzrost. Uwzględniaj wydatki, kliknięcia i konwersje ze wszystkich kanałów płatnych, stowarzyszonych i bezpłatnych, porównuj je z naszymi własnymi danymi i przesyłaj wyniki z zasilonego konta z powrotem do platform reklamowych, aby optymalizować stawki pod kątem klientów, którzy faktycznie finansują i handlują.
• Cykl życia i podróż użytkownika. Rozpoznaj tożsamość każdego klienta od pierwszej anonimowej wizyty poprzez rejestrację, KYC, finansowanie i pierwszą transakcję, a także dostosuj komunikaty dotyczące cyklu życia, CRM i systemy wsparcia do tego, co faktycznie się wydarzyło.
• Dane maklerskie. Modeluj otwieranie kont, KYC, finansowanie i przelewy oraz handel z własnych systemów platformy, z precyzją, jakiej potrzebuje regulowany broker-dealer.
We wszystkich trzech przypadkach będziesz:
• Własna integralność danych w obu kierunkach. Udowodnij, że każdy kanał dotarł kompletny i terminowy, a każda synchronizacja wychodząca zakończyła się tym, co powinna. Zduplikowana konwersja zwiększa wydatki na reklamę, nieaktualny atrybut wysyła zły komunikat, a zerwane połączenie błędnie przedstawia kierownictwu zasilone konta.
• Posiadaj warstwy hurtowni w dbt: surowe lądowanie, modele etapowe i modele z identyfikacją tożsamości oraz wyselekcjonowane modele, z których odczytują analitycy, badacze danych, pulpity nawigacyjne i wewnętrzni agenci AI. Każdy model posiada zadeklarowane ziarno i badania.
• Zawrzyj umowy dotyczące danych z inżynierami produktów i właścicielami platform, od których jesteśmy zależni, tak aby zmiana na początku była wychwytywana na granicy, zamiast po cichu usuwać pole trzy modele dalej. Zdefiniujesz je, zamiast je dziedziczyć.
• Własne zarządzanie: dostęp oparty na rolach, maskowanie danych osobowych, przechowywanie i możliwość kontroli, w tym narzędzia samoobsługowe, które nie stają się sposobem na obejście uprawnień.
• Wybieraj świadomie pomiędzy gromadzeniem danych w trybie wsadowym, przechwytywaniem danych ze zmianą a przesyłaniem strumieniowym, w oparciu o rzeczywiste potrzeby każdego konsumenta.
• Współpracuj z działem marketingu, produktów i operacji, aby uchwycić wydarzenia i dziedziny odpowiadające potrzebom biznesowym. Rolę tę mierzy się na podstawie tego, czy dane firmy są prawidłowe i terminowe, a nie na podstawie dostarczonych rurociągów.
Co cenimy:
• Inżynierowie oceniali, czy liczby są prawidłowe, a nie na podstawie tego, co zostało wysłane
• Bardzo wysoka agencja. Większość pracy rozpoczyna się, zanim wymagania są jasne: źródło nie ma dokumentacji, potrzebne pole nigdy nie zostało przechwycone, a zespół będący jego właścicielem jest zajęty wysyłką. Potrzebujemy kogoś, kto przeniesie zależność do innego zespołu i dostarczy coś niezawodnego bez specyfikacji.
• Sceptycyzm w stosunku do danych, w tym własnych rurociągów. Zanim zaufasz numerowi, sprawdź ziarno, połączenia i kompletność.
• Preferowanie nudnych, dających się zaobserwować systemów zamiast inteligentnych
• Jasna komunikacja z osobami niebędącymi inżynierami: możliwość wyjaśnienia marketerowi, dlaczego wczorajszy numer został przeniesiony, i wynegocjowania zmiany schematu z zespołem ds. produktu jeszcze tego samego popołudnia
• Pragmatyzm: wyślij wersję, która działa teraz i ulepszaj ją świadomie, zamiast czekać na wersję idealną
Wymagania:
• Co najmniej pięć lat w inżynierii danych lub inżynierii analitycznej, z rurociągami produkcyjnymi, o które trzeba było walczyć, gdy się zepsuły
• Głęboka biegłość w SQL i Python oraz doświadczenie produkcyjne z dbt w hurtowni warstwowej: surowe, etapowe i wyselekcjonowane modele z zadeklarowanym ziarnem, testami i kompilacjami przyrostowymi
• Praktyczne doświadczenie w wprowadzaniu danych innych firm i aplikacji za pośrednictwem zarządzanych łączników, potoków zdarzeń i przechwytywaniu zmian danych oraz radzeniu sobie z problemami w każdym z nich: dryfem schematu, ponowną synchronizacją, duplikatami oraz spóźnionymi lub brakującymi rekordami
• Doświadczenie w wysyłaniu danych z powrotem za pośrednictwem odwrotnego ETL, odbiorców lub kanałów konwersji i sprawdzaniu ich poprawności po opuszczeniu magazynu
• Jakość danych w praktyce: uzgadnianie z systemami monitorowania zapisów, świeżości i objętości oraz rozwiązanie, które zapobiega powtarzaniu się incydentów…
Źródło: Jobspresso (https://jobspresso.co/job/senior-data-engineer-clear-street/)
To ogłoszenie pochodzi z feedu partnera. Aplikuj na stronie źródłowej.
Źródło: Clear Street
Ogłoszenie pochodzi od Clear Street.