О команде
Команда моделирования данных создает и поддерживает ключевые модели данных и метрики, которые обеспечивают принятие решений в Mural. Мы входим в Data Organization и сосредоточены на создании общих переиспользуемых моделей данных, представляющих ключевые продуктовые и бизнес-концепции и используемых по всей компании. Наша работа поддерживает внутреннюю аналитику, отчеты о клиентах, встроенные в продукт, и обучение ИИ/ML-моделей. Мы тесно сотрудничаем с командами Product, Engineering, Data Platform, Business Analytics, Data Science и Analytics Engineering, чтобы компания работала с едиными определениями, высоким качеством данных и надежной доступностью данных. Мы небольшая команда, работа которой дает высокий эффект, и мы сосредоточены на создании прочных фундаментальных данных, а не разовых решений.
Миссия
Вы будете отвечать за поставку и развитие ключевых моделей данных и общих метрик Mural, с особым вниманием к качеству, надежности и доступности данных. Это практическая руководящая роль. Вы не будете создавать витрины данных для конкретных заинтересованных сторон или разовые аналитические выгрузки. Вместо этого вы сосредоточитесь на создании фундаментальных переиспользуемых моделей данных и определений метрик, которые поддерживают множество сценариев использования по всей компании. Ваш успех будет измеряться тем, насколько широко доверяют, насколько стабильно доступны и широко переиспользуются ваши модели данных и метрики в таких командах, как Business Analytics, встроенная аналитика в продукте и ML.
Что вы будете делать
- Владение и развитие ключевых моделей данных и метрик: определение и поддержка общих моделей для использования продукта, клиентов, аккаунтов и ключевых бизнес-метрик, которые поддерживают аналитику, встроенные клиентские отчеты и обучение ИИ/ML-моделей.
- Создание и эксплуатация фундаментальных продуктов данных: оставаться практиком, создавая модели с помощью SQL, Python и Spark в современном lakehouse-окружении (например, Databricks), с вниманием к качеству данных, доступности, производительности и стоимости.
- Определение общей семантики: проектирование и поддержка общих определений метрик и семантических слоев, чтобы данные интерпретировались единообразно во всех командах и системах.
- Партнерство с командами: тесная работа с Product для определения фундаментальных продуктовых концепций, с Data Platform по архитектуре и надежности, а также с Business Analytics, Data Science, ML и командами встроенной аналитики как ключевыми потребителями.
- Определение технического направления: принятие прагматичных решений по стандартам моделирования, архитектуре, оркестрации (Airflow/Astronomer) и инструментам, которые балансируют краткосрочную поставку и долгосрочную поддерживаемость.
Требования
- Опыт руководства: 2+ года руководства или формального управления специалистами по данным.
- Сильный опыт в фундаментальном моделировании данных: 6+ лет создания и владения общими переиспользуемыми ключевыми моделями данных в современных платформах данных.
- Опыт поддержки SaaS-бизнеса: знакомство с данными об использовании продукта и клиентскими данными, типичными для SaaS-среды.
- Практическая техническая глубина: продвинутый SQL, уверенный Python, опыт работы со Spark и комфортная работа в современном lakehouse-окружении (например, Databricks).
- Операционное мышление: опыт проектирования с учетом качества, надежности и доступности данных, включая оркестрацию рабочих процессов с помощью Airflow или Astronomer.
- Мышление в пользу переиспользования: подтвержденная способность создавать фундаментальные модели и определения метрик, поддерживающие множество сценариев, а не разовые витрины данных.
- Понимание систем: понимание вопросов производительности, стоимости, управления, безопасности и соответствия требованиям для общих данных.
- Совместный подход: способность эффективно работать с командами Product, Data Platform, Business Analytics, Engineering и Data Science.
- Прагматичный подход к поставке: вы знаете, когда выпускать, а когда вкладываться в долговечность.
- Интерес к разработке с помощью ИИ: вы активно изучаете ИИ-инструменты, чтобы улучшить то, как вы и ваша команда создаете и поддерживаете модели данных.
Желательно
- Опыт поддержки данных, используемых для обучения ИИ/ML-моделей.
- Опыт работы в команде инфраструктуры данных или платформы данных.
Условия
Предлагаемая компенсация будет определяться такими факторами, как локация, уровень, знания, навыки и опыт, относящиеся к должности.
