Senior Analytics Engineer - kontrakt

Jesteśmy jedną z najszybciej rozwijających się szkół online z zajęciami dodatkowymi dla dzieci i młodzieży.

Od 2021 roku zmieniamy branżę edukacyjną i pokazujemy, że dzięki kreatywności oraz odpowiedniemu wykorzystaniu technologii jesteśmy w stanie przekazywać wiedzę w sposób nowatorski, przyjazny i przede wszystkim skuteczny. Nasze kursy cieszą się bardzo dużą popularnością. Nic dziwnego - tworzymy je z pasją i z nastawieniem na rozwój dzieci. Wierzymy, że edukacja może być fascynująca i inspirująca. Jeśli nasza misja jest Ci bliska - dołącz do naszego zespołu!

EduGo · w pełni zdalnie · B2B, kontrakt na min. 3-4 miesiące · 120-150 zł/h netto + VAT · start ASAP

Zakres projektu:

Budowa uporządkowanej warstwy danych dla organizacji, która dziś opiera kluczowe analizy na niespójnych modelach, ręcznych arkuszach i wiedzy rozproszonej między osobami. Największą luką nie jest samo ładowanie danych czy wizualizacje, lecz warstwa transformacji: model wymiarowy, wspólne definicje KPI, czas dostarczenia analiz i ich powtarzalność. Dyskusje biznesowe zbyt często dotyczą poprawności liczb zamiast decyzji.

Stack: BigQuery, Cloud Run, Cloud Storage. Transformacje w dataform. W trakcie migracji na dlt + Dagster + dbt. Warstwa BI w Looker / Data Studio.

Kluczowe zadania:

1. Audyt stanu obecnego - inwentaryzacja obecnych danych, skryptów, dashboardów i definicji wskaźników. Co jest realnie używane, co już nieaktualne, co liczone niespójnie i gdzie powstaje praca ręczna. 

2. Praca z biznesem przy ustalaniu definicji i potrzeb - to nie jest rola wyłącznie techniczna; budowa priorytetów i zrozumienie finalnej wersji mart będzie wymagało bliskiej współpracy ze stroną biznesową

3. Docelowa architektura danych - warstwy raw / staging / mart, model wymiarowy + gold layer, konwencje nazewnicze i zasady własności. 

1. Warstwa pod pracę z AI - szerokie tabele (OBT) budowane pod konkretne pytania, metadane i definicje pozwalające pytać o dane bez tłumaczenia schematu za każdym razem.

4. Słownik definicji KPI - zdefiniowana warstwa semantyczna, zawierająca jasne definicje KPI; wskazany właściciel biznesowy każdej krytycznej metryki.

5. Wdrożenie modeli wymiarowych w kolejności priorytetów; zaczynając od obszarów o największym obciążeniu pracą ręczną. Działający produkcyjnie, nie jako dokument architektury.

6. Testy na krytycznych modelach + alerting

7. RODO i PII - minimalizacja, retencja i kontrola dostępu. Przetwarzamy dane dzieci i ich rodziców, więc to nie jest punkt do odhaczenia na końcu.

8. Przekazanie. Praca na wspólnym kodzie z analitykiem w zespole, przeglądy i dokumentacja na poziomie pozwalającym prowadzić model dalej.

Wymagania:

• Minimum 5 lat pracy jako Data/Analytics Engineer, w tym własność projektu budowy hurtowni albo jej kluczowej warstwy modelowej.

• BigQuery na poziomie zaawansowanym, ze świadomym zarządzaniem kosztem i wydajnością zapytań.

• Transformacje jako kod w dataform lub dbt: wersjonowanie, testy, dokumentacja, CI.

• Doświadczenie w ujednolicaniu definicji KPI w organizacji, w której ten sam wskaźnik liczy się na kilka sposobów.

• Przygotowanie modeli, metadanych i definicji do bezpiecznej, powtarzalnej pracy z narzędziami AI.

• Dostępność w godzinach pracy zespołu

Mile widziane

• Looker / Data Studio w praktyce w kontekście pisania modeli dedykowanych do wizualizacji

• RODO i PII w praktyce, szczególnie dane osób niepełnoletnich.

• Orkiestracja - Airflow, Dagster albo Cloud Composer.

• Atrybucja marketingowa oraz praktyczna znajomość GA4 i Meta Ads.

Proces

1. Rozmowa wstępna (45 min) - kierunek, dostępność, oczekiwania finansowe.

2. Zadanie techniczne i rozmowa techniczno-biznesowa (60-90 min) - zamodelowanie jednego obszaru; omówienie zadania, decyzje architektoniczne, sposób pracy z zespołem i z zamkniętym zakresem.