Personel Analitiği Mühendisi

Pleo hakkında

Dağınık harcama yönetimi zor bir iştir. Ve sıkıcı süreçler sadece finans için değil, ilgili herkes için bir kaybet-kaybet durumudur. Pleo'da bunu değiştiriyoruz. Tüm işletmelerin "ötesine geçmesine" yardımcı olma vizyonuyla, para yönetimini hem finans ekipleri hem de çalışanlar için kusursuz, güçlendirici ve şaşırtıcı derecede etkili hale getiren harcama çözümleri geliştiriyoruz.

'Pleo' kelimesi aslında 'beklediğinizden daha fazlası' anlamına geliyor ve bu mantraya göre yaşamak son 10 yıldaki başarımızın sırrı oldu.

Şimdi yolculuğumuzun çok önemli bir anındayız; Yaptığımız her hareketin 40.000'den fazla müşterimiz, işimiz ve kolektif başarımız üzerinde doğrudan etkisi var. Müşteri ihtiyaçlarını ortaya çıkarmaktan gurur duyan, karmaşık sorunları basit çözümlere dönüştüren, işlerin yapılma şekline (saygılı bir şekilde) meydan okuyan ve her zaman yükseği hedefleyen insanlara ihtiyacımız var. Bizi ileriye taşıyacak büyük hırslar göz önüne alındığında, her şeyi çözdüğümüzü söyleyemeyiz. Ve açıkçası, bu eğlencenin yarısı! Söyleyebileceğimiz şey, azimli, ilerici ve daha da önemlisi, 100'den fazla milletten 850'den fazla kişiden oluşan ve hepsi iş harcamalarının geleceğini birlikte sunmaya kararlı bir grup olduğumuzdur.

Rol hakkında

Bu, Veri Hizmetleri ve Yönetişim ekibimizde Pleo için anlamsal katmana ve analitik standartlara sahip olan düşünce ve teknik lider olarak hareket edeceğiniz üst düzey bireysel katılımcı rolüdür. Bu, bir alan adına sahip olmayacağınız ancak hangi ekipte olursa olsun her Analitik Mühendisinin birlikte çalıştığı modelleme standartlarımızı ve yapay zeka destekli geliştirme uygulamalarımızı geliştirerek, iyileştirerek, sürdürerek ve yaygınlaştırarak hepsinde iyi görünen şeye sahip olacağınız anlamına gelir.

Tasarlayacağınız ve sürdüreceğiniz anlamsal katman, yapay zeka temsilcilerinin, iş zekası araçlarının ve analistlerin sorguladığı tek gerçek kaynağı olacaktır. Bu, şirket çapında erişime sahip temel bir çalışmadır ve bir şeyleri sıfırdan inşa etmekten hoşlanıyorsanız sizin için ideal olacaktır. Anlamsal katmanımız henüz çok erken bir aşamadadır. Takım seçimi canlı ve bu rolün güçlü bir sesi var. BI yığınımız da geçiş aşamasında olduğundan olgun bir kurulumu devralmaz ve onu sürdürmezsiniz. Ne olması gerektiğine karar verecek ve sonra onu inşa edeceksiniz.

Ek bağlam için teknoloji yığınımız şu anda şunları içermektedir: GCP, BigQuery, dbt Core, Airflow, SQL, Python, Claude Code, GitHub Copilot.

Kiminle çalışacaksınız

Veri Altyapısı ve MLOps ekibinin yanı sıra Veri Hizmetleri ve Yönetişim ekibini denetleyen Veri Mühendisliği Yöneticisine rapor vereceksiniz. Öncelikli ilişkiniz, mimari rehberlik, anlamsal katman kararları ve standartlarla ilgili sorular için size gelmesi gereken İstihbarat fonksiyonuna yerleştirilmiş Analitik Mühendisleri ile olacaktır. Ayrıca veri mühendisliği standartları ve boru hattı uygulamaları konusunda bir Personel Veri Mühendisi ile ve self-servis analitik ve BI araçları yönetişimi konusunda diğer kişilerle ortaklık kuracaksınız. Varlık tanımları konusunda Veri Sunma ekibiyle ve platform sınırında yapay zekaya hazır verilerin nasıl göründüğü konusunda GenAI Platform ekibiyle görüşeceksiniz.

Ne yapacaksın

•
Anlamsal katmana sahip olun: Bir metrik tanımının ne olduğunu, nasıl yapılandırıldığını, nerede yaşadığını ve nasıl uygulandığını tanımlayın. Amaç, analistler, BI araçları ve AI araçları tarafından farklılık olmadan kullanılan Aylık yinelenen gelir (MRR), kayıp, işlem, müşterinin kanonik bir tanımıdır. Bunu hayal ürünü değil gerçek kılıyorsunuz.

•
İşlev için veri modelleme standartlarını belirleyin: tüm etki alanlarında, tüm karmaşıklık düzeylerinde temiz, katmanlı, iyi test edilmiş dbt mimarisinin nasıl göründüğü.

•
Kod incelemeleri, paylaşılan modeller, belgeler, katılım vb. dahil olmak üzere Analitik Mühendisliği uygulama topluluğunu oluşturun ve çalıştırın. Amaç, standartların kalıcı olmasını sağlayan bir sosyal altyapı oluşturmaktır.

•
Yapay zekaya özgü geliştirme uygulamasına sahip olun. Yapay zeka kodlama araçlarını, veri modellerini yazma, inceleme ve taşıma yönteminizin yerel bir parçası olarak kullanın (gösteri olarak değil, gerçek iş akışınız olarak). Yönetilen bir veri mühendisliği bağlamında nelerin işe yaradığını, nelerin risk getirdiğini değerlendirin ve Analitik Mühendisliği topluluğunun bunu nasıl benimseyeceğini şekillendirin.

•
Analytics Ambarı ve Operasyonel Veri Platformunda veri modellemeyi ve taşımaları hızlandırmak için yapay zeka araçlarını kullanarak sorumlu yapay zeka destekli geçiş çalışmalarına liderlik edin.

•
Veri modellerini ve metrik tanımlarını, insan müdahalesi olmadan yapay zeka hizmetlerinin güvenilir şekilde tüketilmesini sağlayacak şekilde belgelenmiş ve yapılandırılmış bir şekilde tasarlayın.

•
Aşağı yöndeki tutarsızlığı yönetmek yerine veri sözleşmesi disiplinini ve yukarı yönde şema sahipliğini artırmak için arka uç ve ürün mühendisleriyle yukarı yönde etkileşime geçin.

•
Veri modelleme modellerinin ve konuşma analitiği ihtiyaçlarının ve yeteneklerinin arttığı, müşteriye yönelik harici analitikler için Veri ve Yapay Zeka Ürünleri'ne katkıda bulunun.

Ne getiriyorsun

•
DBT ve modelleme uygulamalarında derin kanıtlanmış uzmanlık: yalnızca güçlü modelleme değil, aynı zamanda modelleme mimarisinin bir işlev genelinde nasıl görünmesi gerektiğine dair oluşturulmuş bir görüş. Takasları savunabilir, öğretebilir ve yönetmediğiniz takımlarda uygulayabilirsiniz.

•
Performans, maliyet hususları ve karmaşık analitik alanların mimari zorlukları da dahil olmak üzere derin BigQuery ve SQL uzmanlığı.

•
Anlamsal bir katmana (LookML, dbt MetricFlow veya eşdeğeri) sahip olan gerçek deneyim. Metrik tutarlılığının ölçekte nasıl görünmesi gerektiği, bozulmadığında nelerin bozulacağı ve bunu yapay zeka araçlarının güveni bozmadan tüketebilmesi için nasıl tasarlayacağınız konusunda bir bakış açınız var.

•
Veri mühendisliği bağlamında yapay zekaya özgü geliştirme uygulaması. Yapay zeka kodlama araçlarını (Claude Code, GitHub Copilot veya eşdeğeri) çalışma şeklinizin gerçek bir parçası olarak kullanırsınız ve bunların yönetilen bir analitik kod tabanında nerede gerçek değer kattıkları ve nerede risk oluşturdukları konusunda spesifik olabilirsiniz.

•
Doğrudan yönetmediğiniz ekipler arasında standartlar belirleme ve otoriteye güvenmek yerine etkili etkileme tekniklerinden yararlanarak onların sadık kalmasını sağlama konusunda bir geçmiş performans.

Kaynak: Jobicy (https://jobicy.com/jobs/157554-staff-analytics-engineer-2)