Założyciel inżynier analityki

Kim jesteśmy
Zefir buduje autopilota AI do sprzedaży domów w Europie, zaczynając od Francji: agent AI kompleksowo zarządza całą ścieżką sprzedaży i zakupu, koordynując działania lokalnych brokerów, portali, kupujących i dokumentów.
Wspierani przez ponad 55 milionów dolarów od czołowych inwestorów, takich jak Sequoia Capital, angażujemy się w przyspieszanie zmian w życiu milionów obecnych i przyszłych europejskich właścicieli domów.
Agent sztucznej inteligencji, który kompleksowo przeprowadza transakcje dotyczące nieruchomości, działa tylko wtedy, gdy dane znajdujące się pod nim są dostępne, niezawodne i regulowane. Na tym polega praca.

Dlaczego ta rola istnieje
Jest to pierwszy od lat wynajem dedykowanej transmisji danych. Fundamenty działają, sterowanie zależy od Ciebie.
Chociaż BigQuery zawiera już większość naszych danych, nadal brakuje nam kluczowych danych dotyczących wzrostu i spójnych ram zarządzania danymi. Potrzebujemy ujednoliconych definicji, schematu kanonicznego i solidnej warstwy semantycznej, dzięki którym Działy Rozwoju, Finansów, Operacji i Produktu będą mogły efektywnie i niezawodnie samodzielnie dostarczać spostrzeżenia.
Dziś sytuacja się utrzymuje, ponieważ osoby z działów operacyjnych, rozwoju, finansów i inżynierii wynagradzają je lokalnie. Poznali dziwactwa i opracowali obejścia. To działa, ale jest kruche: wskaźniki KPI dryfują między narzędziami, śledzenie jest przerywane po cichu, koszty rosną i nikt nie jest w posiadaniu tłumaczenia pomiędzy surowymi danymi inżynieryjnymi a prawdą gotową do podjęcia decyzji.
Będziesz jedynym odpowiedzialnym właścicielem tej warstwy. Nie jest to funkcja wsparcia, nie jest to punkt sprzedaży biletów, ani fabryka BI.

Co będziesz posiadać
Modele kanoniczne i definicje metryki. Udokumentowana warstwa semantyczna z podmiotami kanonicznymi (Kupujący, Sprzedający, Aktywa, Agent) oraz warstwy Brązowa / Srebrna / Złota. Jasne kontrakty między tym, co ujawnia Inżynieria, a tym, co wykorzystuje każda funkcja, dzięki czemu debaty na temat KPI opierają się na tym samym mierniku.
Możliwość samoobsługi. Zanurzona część góry lodowej: czyste modele, spójne prymitywne rozwiązania BI, bezpieczeństwo na poziomie wierszy i kolumn, dzięki czemu menedżerowie ds. operacyjnych, wzrostu, finansów i kont tworzą własne pulpity nawigacyjne bez uszczerbku dla dokładności.
Zarządzanie analityką i śledzeniem. Globalna taksonomia wydarzeń i plan śledzenia, hybrydowa strategia wydarzeń po stronie klienta i serwera, spójna synchronizacja między systemami CRM i platformami marketingowymi oraz przepływ zgód RODO z założenia, dzięki czemu wydatki na pozyskiwanie opierają się na atrybucji, której możemy zaufać.
Niezawodność platformy, bezpieczeństwo i koszt. Standardy ustalane raz, a nie zespół po zespole: przetestowane i wersjonowane transformacje, monitorowanie aktualności, awarii i użycia, rozsądne wzorce pozyskiwania (odczyt replik, CDC, partia) i brak ścieżki kodu produkcyjnego zależnej od tabel BI.
Dane i sztuczna inteligencja wpływają na decyzje. Nasze wewnętrzne narzędzia AI już wysyłają zapytania do hurtowni danych w celu przeprowadzenia analiz. Brakuje podstawowego fundamentu: standardowych definicji metryk, logiki wielokrotnego użytku i wstępnie obliczonych modeli danych.

Jak wygląda sukces po 12 miesiącach

• Jedna udokumentowana taksonomia zdarzeń, faktycznie używana przez inżynierię, rozwój i CRM.

• Jedna warstwa semantyczna, w której każdy współdzielony KPI ma jedną definicję, jednego właściciela i historię wersji. Nowi uczestnicy rozumieją model danych w ciągu kilku dni, a nie miesięcy.

• Opublikowane umowy SLA dotyczące świeżości i awarii, wyraźna topologia pozyskiwania i brak ścieżki produkcyjnej zależnej od tabel BI.

• Menedżerowie ds. operacyjnych, rozwoju, finansów i AM sami tworzą większość swoich powtarzających się pulpitów nawigacyjnych, a agenci AI bezpiecznie wysyłają zapytania do warstwy danych za pośrednictwem wybranych MCP.

• Atrybucja wzrostu jest na tyle wiarygodna, że ​​decyzje dotyczące rocznych wydatków na przejęcia można obronić od początku do końca.

Czego szukamy

• Ponad 7 lat pracy na stanowisku inżyniera danych, analityki lub platform, najlepiej obejmując okres w szybko rozwijającej się firmie konsumenckiej lub rynkowej. Oczekiwane narażenie personelu lub ołowiu.

• Praktyczna znajomość nowoczesnego stosu danych: BigQuery (lub Snowflake, Redshift), dbt lub równoważny, zaawansowany SQL i modelowanie danych, Python dla potoków, orkiestracja (Airflow, Dagster, Prefect).

• Dostarczyłeś śledzenie zdarzeń i oprzyrządowanie do produkcji, od początku do końca: taksonomia, zdarzenia po stronie klienta i serwera, atrybucja, rezygnacja zgodna z RODO, propagacja w dół łańcucha.

• Wygodna obsługa wzorców przyjmowania (Fivetran, Airbyte, CDC), odwrotnego ETL (Hightouch, Census, Segment) i zarządzania dostępem (IAM, zabezpieczenia na poziomie wierszy i kolumn, znakowanie PII).

• Zbudowałeś i posiadasz warstwę semantyczną lub metryczną i możesz bez mrugnięcia okiem arbitrować definicje metryk za pomocą funkcji Finance, Ops i Growth.

• Traktujesz agentów AI jak pierwszorzędnych konsumentów danych: udostępniając dane za pośrednictwem MCP, semantycznych interfejsów API lub zamiany tekstu na SQL, z odpowiednimi barierami ochronnymi.

• Silna własność: tworzysz standardy, bronisz ich i naprawiasz to, co jest zepsute, nie czekając na pozwolenie.

• Przejrzysty komunikator, który zamienia rytuały „pingowania osoby, której dane dotyczą” w samoobsługowe przekazywanie informacji.

• Biegle włada językiem angielskim i francuskim.

Uczciwy kompromis
Nie ma zespołu ds. danych, którym można by zarządzać, i nie planuje się go w najbliższej przyszłości. Otrzymujesz prawdziwą autonomię i bezpośredni kontakt z założycielami i liderami funkcyjnymi w zamian za samodzielne budowanie, zanim być może zbudujesz zespół. W porównywalnej firmie proptech dołączyłbyś do istniejącego zespołu i zgodnie z istniejącym planem działania. W tym przypadku znaczenie metryki w firmie Zefir nie zostało jeszcze ustalone i to Ty o tym decydujesz.
Pasuje do sposobu myślenia działacza, w tym kogoś, kto już przewodził i chce wrócić do budowania.

Proces zatrudniania

• Pokaz z Dawidem, Talent (30 min)

• Głębokie nurkowanie z Gabrielem, kierownikiem inżynierii: Twoje przeszłe doświadczenia i dalsze plany (45 min)

• Wywiad techniczny z Diane, Twoim przyszłym menadżerem: platforma danych, modelowanie i śledzenie (1h)

• Wywiad kulturowy z Louisem, współzałożycielem oraz nieformalna wymiana zdań z kierownikiem funkcyjnym (1 godz.)

• Rozmowy referencyjne, a następnie zaoferuj 🎉

Korzyści
Poniższe informacje dotyczą wyłącznie pracowników stałych. W przypadku innych umów (stażyści, praktykanci, czas określony...) skontaktuj się ze swoim rekruterem.

• Konkurencyjne wynagrodzenie: Możesz przeprowadzić własną symulację za pomocą naszego kalkulatora wynagrodzeń.

• BSPCE (Opcje na akcje): dostępne dla każdego, z miesięcznym nabywaniem uprawnień po pierwszym roku, przez okres 4 lat…

Źródło: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/zefir/founding-analytics-engineer-paris-74468)