О компании
Luxury Presence — платформа ИИ для роста в сфере недвижимости. Компания поддерживается Bessemer Venture Partners и другими ведущими инвесторами, находится на стадии Series C и достигла $100 млн годового регулярного дохода. Более 90 000 специалистов по недвижимости, включая более 30% из топ-100 агентов WSJ Real Trends в США, используют платформу для управления и развития бизнеса.
Обязанности
Создание и развитие фундамента данных:
- Владение и развитие dbt-проекта: производительность, тестирование и документация моделей.
- Проектирование и поддержка хранилища данных Snowflake и процессов загрузки.
- Применение современных практик моделирования данных для создания ключевых сущностей и наборов данных, учитывающих сложные бизнес-процессы.
- Создание и поддержка кастомных Python/Airflow пайплайнов для загрузки данных из сторонних API в Snowflake.
- Проектирование и эксплуатация кросс-системных моделей сверки для сравнения данных из разных источников и выявления расхождений.
Обеспечение качества данных и автоматизации:
- Внедрение тестирования и наблюдаемости для аналитических пайплайнов.
- Соблюдение практик CI/CD: автоматизация, линтинг, тесты, код-ревью и согласования.
- Стандартизация определений метрик и их единообразный расчет во всех инструментах.
- Расследование и документирование инцидентов с данными: от анализа первопричин до отслеживания исправлений и коммуникации со стейкхолдерами.
Кросс-функциональное взаимодействие:
- Выполнение роли связующего звена между Engineering, GTM и Finance для согласования определений метрик и корректной инструментации систем.
- Обеспечение самостоятельного доступа стейкхолдеров к доверенным инсайтам.
- Повышение грамотности в работе с данными: продвижение лучших практик запросов, дашбордов и интерпретации метрик, обучение стейкхолдеров самостоятельной работе.
Создание ИИ-готовой инфраструктуры данных:
- Проектирование и поддержка семантических представлений Snowflake Cortex как управляемого интерфейса данных для ИИ-агентов и LLM-инструментов.
- Совместно с ИИ/продуктовыми командами определение, создание и валидация семантического слоя для внутренних ИИ-ассистентов.
- Создание фреймворков измерения эффективности ИИ-инициатив, включая дизайн экспериментов и атрибуционное моделирование.
Требования
Обязательные:
- 5+ лет опыта работы аналитическим инженером, дата-инженером или на аналогичной роли в SaaS-среде.
- Глубокие знания SQL, dbt и современных практик моделирования данных.
- Владение Python для разработки пайплайнов, интеграций с API и автоматизации.
- Опыт моделирования данных Salesforce: сделки, контракты, подписки, обращения и история полей.
- Подтвержденный опыт создания кастомных ELT-пайплайнов для загрузки данных из сторонних API в облачное хранилище.
- Опыт проектирования кросс-системных моделей сверки: объединение, дедупликация и сравнение данных из нескольких источников для выявления расхождений.
- Опыт работы с событийными и продуктовыми данными (например, Posthog, Mixpanel).
- Опыт связывания маркетинговых данных (платная реклама, кампании, атрибуция) с продуктовой аналитикой, включая сквозные пайплайны от рекламных платформ до метрик конверсии и удержания.
- Опыт проектирования и поддержки семантических слоев как управляемых интерфейсов данных (dbt Semantic Layer, Snowflake Cortex или аналоги).
- Уверенная работа с масштабными системами данных (Snowflake, BigQuery, Redshift).
- Хорошее знание CI/CD, Git-процессов и автоматизированного тестирования.
- Опыт кросс-функционального взаимодействия с инженерами, аналитиками и продакт-менеджерами.
- Подтвержденные успехи в использовании аналитики для принятия решений в технической или продуктовой среде.
- Умение брать на себя ответственность за неоднозначные задачи и проектировать комплексные решения.
Желательно:
- Опыт создания и поддержки Airflow DAG и оркестрации пайплайнов загрузки из множества API.
- Сильная база в статистике и дизайне экспериментов: A/B-тестирование, проверка значимости, оценка инкрементального эффекта.
- Опыт в основах предиктивного моделирования: классификация, отбор признаков, оценка моделей.
