О роли
В Meta инженер данных участвует в создании продуктов для всей семьи приложений: Facebook, Instagram, Messenger, WhatsApp, Reality Labs, Threads. Роль включает проектирование и создание одних из самых масштабных наборов данных в мире, сотрудничество с командами разработки, data science и управления продуктами для оптимизации роста, стратегии и пользовательского опыта для более чем 3 миллиардов пользователей и внутренних сотрудников. Вы будете решать сложные задачи с данными в масштабе, который мало кто может предложить, и станете частью сообщества data engineering, ориентированного на развитие навыков и карьерный рост.
Инженерия данных: вы будете направлять команды, создавая оптимальные артефакты данных (включая наборы данных и визуализации) для решения ключевых вопросов. Вы будете совершенствовать системы, проектировать решения для логирования и создавать масштабируемые модели данных. Обеспечивая безопасность и качество данных, а также уделяя особое внимание эффективности, вы будете предлагать подходы к архитектуре и разработке, а также стандарты управления данными для решения сложных аналитических задач.
Продуктовое лидерство: вы будете использовать данные для формирования разработки продуктов, выявления новых возможностей и решения предстоящих задач. Вы будете обеспечивать ценность продуктов для пользователей и бизнеса, расставляя приоритеты проектов и внедряя инновационные решения в ответ на вызовы или возможности.
Коммуникация и влияние: вы не просто будете представлять данные, а рассказывать истории на основе данных. Вы будете убеждать и влиять на партнеров с помощью четких идей и рекомендаций. Вы будете строить доверие через структуру и ясность и быть надежным стратегическим партнером.
Обязанности
- Концептуализировать и владеть архитектурой данных для нескольких крупномасштабных проектов, оценивая компромиссы между дизайном и операционными затратами в системах.
- Создавать и вносить вклад в фреймворки, повышающие эффективность логирования данных, а также работать с инфраструктурой данных для устранения проблем и их решения.
- Сотрудничать с инженерами, продакт-менеджерами и дата-сайентистами для понимания потребностей в данных, представляя ключевые идеи данных визуально значимым образом.
- Определять и управлять соглашениями об уровне обслуживания (SLA) для всех наборов данных в закрепленных областях ответственности.
- Определять и внедрять модель безопасности на основе требований конфиденциальности, подтверждать соблюдение мер защиты, решать проблемы качества данных и развивать процессы управления в закрепленных областях ответственности.
- Проектировать, создавать и запускать коллекции сложных моделей данных и визуализаций, поддерживающих множество вариантов использования в разных продуктах или доменах.
- Решать самые сложные проблемы интеграции данных, используя оптимальные паттерны ETL, фреймворки, методы запросов, источники структурированных и неструктурированных данных.
- Участвовать в сопровождении существующих процессов в продакшене, оптимизируя сложный код с помощью продвинутых алгоритмических концепций.
- Оптимизировать пайплайны, дашборды, фреймворки и системы для упрощения разработки артефактов данных.
- Влиять на продуктовые и кросс-функциональные команды для выявления возможностей данных, способствующих росту.
- Наставлять членов команды, давая и получая конструктивную обратную связь.
Требования
- Степень бакалавра в области компьютерных наук, компьютерной инженерии, смежной технической области или эквивалентный практический опыт.
- 7+ лет опыта, где основная ответственность связана с работой с данными. Это могут быть роли дата-аналитика, дата-сайентиста, дата-инженера или аналогичные.
- 7+ лет опыта работы с SQL, ETL, моделированием данных и как минимум одним языком программирования (например, Python, C++, C#, Scala или другими).
- Степень магистра или PhD в области STEM.
- Подтвержденная способность интегрировать AI-инструменты для оптимизации или перепроектирования рабочих процессов и достижения измеримого влияния (например, повышение эффективности, улучшение качества).
- Опыт соблюдения и внедрения ответственных, этичных практик AI (например, оценка рисков, снижение предвзятости, проверка качества и точности).
- Подтвержденное постоянное развитие навыков AI (например, промпт-инженерия, контекстная инженерия, оркестрация агентов) и отслеживание новых AI-технологий.