مهندس بيانات أول

الوصف

MoonTech هي شركة رائدة في مجال الذكاء الاصطناعي، تركز على سير العمل الوكيل، وتحول تسويق أداء المؤثرين من خلال وكلاء الذكاء الاصطناعي المستقلين. تعمل منصتنا على أتمتة دورة حياة الحملة بأكملها، مما يمكن العلامات التجارية من إطلاق حملات المبدعين وإدارتها وتحسينها وتوسيع نطاقها مع ضمان التحويلات وعائد استثمار قابل للقياس. بدعم من بيانات الحقيقة الأساسية الخاصة بنا، تعد MoonTech رائدة في فئة ذكاء التحويل لاقتصاد المبدعين. هذا الدور ليس لمن يرغب في صيانة مستودع بيانات مكتمل والحفاظ على تشغيل خطوط الأنابيب الحالية. إنه دور لمهندس بيانات قوي يرغب في بناء الأساس للبيانات لشركة تعتمد على الذكاء الاصطناعي من الألف إلى الياء، حيث تعتمد وكلاء الذكاء الاصطناعي وفرق المنتجات والمحللون والفرق التجارية جميعًا على نفس طبقة البيانات الموثوقة. ستتولى مسؤولية خطوط الأنابيب وهندسة المستودعات ونماذج البيانات الأساسية وراء مطابقة المبدعين، وأداء الحملات، وتحديد المصادر للمعاملات، والمدفوعات، واتخاذ القرارات المدفوعة بالذكاء الاصطناعي. نحن نعمل بنشاط على تحديث البنية التحتية لبياناتنا عبر GCP و AWS. سيكون لديك ملكية كبيرة لكيفية تطور تلك الهندسة وكيف تصبح بياناتنا موثوقة وقابلة للمراقبة وجاهزة لسير العمل الوكيل. المتطلبات أكثر من 5 سنوات من الخبرة في بناء وتشغيل خطوط أنابيب البيانات الإنتاجية، ويفضل أن يكون ذلك في سوق أو تجارة إلكترونية أو شركات تابعة أو تكنولوجيا الإعلان أو تكنولوجيا التسويق أو شركة تكنولوجيا عالية النمو. مهارات SQL متقدمة وخبرة عملية قوية في Python لبناء خطوط أنابيب وتحويلات البيانات الإنتاجية. خبرة قوية مع dbt في الإنتاج ومستودعات البيانات السحابية الحديثة. مستودعنا الأساسي هو BigQuery. بناء وامتلاك خطوط أنابيب موثوقة للاستيعاب والتحويل والإثراء عبر بيانات الحملات والمبدعين والمعاملات والمنتجات والبيانات التجارية ذات الحجم الكبير. تصميم نماذج البيانات الأساسية التي تستهلكها وكلاء الذكاء الاصطناعي وأنظمة المنتجات والتحليلات وذكاء الأعمال وسير عمل التعلم الآلي. بناء خطوط أنابيب الإثراء والتضمين التي تدعم مطابقة المبدعين والتسجيل والتوصية وسير عمل الاسترجاع. حل مشاكل الهوية المعقدة وحل الكيانات عبر أنظمة خارجية متعددة حيث قد لا تتفق معرفات المبدعين والعملاء والحملات والمعاملات. خبرة في تصميم مفاتيح ونماذج بيانات مستقرة للسجلات الواردة من واجهات برمجة تطبيقات خارجية متعددة ومنصات وأنظمة الشركاء. نمذجة البيانات التجارية مثل أسعار المبدعين والعمولات والمدفوعات وشروط الحملة باستخدام أساليب مثل الأبعاد المتغيرة ببطء، مما يسمح بإعادة بناء الأداء التاريخي وإعادة صياغته بدقة. خبرة عملية مع منصة تنسيق مثل Airflow أو Dagster أو Prefect، بما في ذلك إدارة التبعيات وإعادة المحاولات والتعبئة الخلفية والجدولة واستعادة الأعطال. بناء جودة البيانات وحداثتها وخطها ومراقبة خطوط الأنابيب بحيث تظهر المشكلات قبل أن تصل إلى العملاء أو التقارير أو النماذج أو وكلاء الذكاء الاصطناعي. التعامل مع الاختبار والمراقبة والتوثيق والملاحظة كجزء من شحن البنية التحتية للإنتاج، وليس تنظيفًا اختياريًا. العمل مباشرة على ترحيل وتوحيد أنظمة التقارير والبيانات القديمة في مستودع البيانات السحابي الحديث. الراحة في تصميم وتنفيذ عمليات الترحيل مع الحفاظ على استمرارية الأعمال والتحقق من أن التقارير التاريخية تظل دقيقة. خبرة في تشغيل البنية التحتية للإنتاج في GCP أو AWS أو كليهما. الخبرة في العمل عبر بيئة سحابية هجينة ميزة قوية. فهم كيفية تغير متطلبات البنية التحتية للبيانات عندما يشمل المستهلكون نماذج التعلم الآلي والتضمينات ومخازن المتجهات وأنظمة التوصية والوكلاء المستقلين. تعتمد على الذكاء الاصطناعي في الممارسة، وليس مجرد اهتمام. تستخدم بنشاط مساعدي ترميز الذكاء الاصطناعي أو نماذج اللغة الكبيرة (LLMs) أو الوكلاء لتسريع التطوير، والتحقيق في الأعطال، وإنشاء الاختبارات، ومراجعة التحويلات، وتوثيق الأنظمة، أو أتمتة أعمال الهندسة المتكررة. قادر على شرح كيف غير الذكاء الاصطناعي سير عملك الهندسي وزاد من إنتاجيتك. الراحة في العمل في بيئة متطورة حيث لا تزال المخططات والأنظمة والمتطلبات قيد التصميم. ملكية قوية للإنتاج. عندما يفشل خط أنابيب أو يبدو رقم خاطئًا، فإنك تحقق في المسار الكامل بدلاً من افتراض أن فريقًا آخر يمتلك المشكلة. مفضلات - خلفية في تسويق المؤثرين، التسويق بالعمولة، التجارة الإلكترونية، الأسواق، تسويق الأداء، أو تكنولوجيا الإعلان. - خبرة في مجموعات بيانات المبدعين، الحملات، الإسناد، التحويل، أو مستوى المعاملات. - خبرة في بناء البنية التحتية للبيانات لأنظمة التعلم الآلي، بما في ذلك خطوط أنابيب الميزات، التضمينات، قواعد بيانات المتجهات، أو أنظمة الاسترجاع. - خبرة عملية في حل الكيانات أو رسوم بيانية الهوية عبر أنظمة ذات معرفات غير متناسقة. - خبرة في إكمال مستودع، سحابة، أو ترحيل منصة بيانات رئيسية في الإنتاج. - خبرة في دعم وكلاء الذكاء الاصطناعي أو سير العمل الوكيل حيث تقوم التطبيقات بالاستعلام عن بيانات الإنتاج أو تفسيرها أو التصرف بناءً عليها بشكل مستقل. - خبرة في سوق دول مجلس التعاون الخليجي أو الشرق الأوسط وشمال إفريقيا. كيف يتناسب هذا الدور مع الفريق أنت تتبع قائد منتجات البيانات وتعمل عن كثب مع فرق علوم البيانات، ذكاء الأعمال، المنتجات، والهندسة لدينا. ستمتلك جزءًا أساسيًا من الأساس التقني لـ MoonTech. ستعمل نماذج البيانات وخطوط الأنابيب التي تبنيها على تشغيل مطابقة المبدعين والعلامات التجارية، وتحسين الحملات، وتحديد المصادر للمعاملات، ومدفوعات المبدعين، وتقارير الأعمال، ووكلاء الذكاء الاصطناعي العاملين عبر منصتنا. هذا دور ذو ملكية عالية في فريق صغير. لن تتلقى ببساطة قرارات الهندسة وتنفذ التذاكر. ستساعد في تحديد كيفية تصميم منصة البيانات، وما يجب إعادة بنائه، وما يجب إيقافه، وكيفية إنشاء أساس بيانات موثوق به قادر على دعم MoonTech كشركة وكيلة.

ما ستقوم به

• • ستتولى مسؤولية تصميم وصيانة خطوط أنابيب البيانات، وهندسة المستودعات، ونماذج البيانات الأساسية لدعم وكلاء الذكاء الاصطناعي وفرق المنتجات. أنت مسؤول عن بناء عمليات استيعاب وتحويل وإثراء موثوقة مع ضمان جودة البيانات وقابليتها للمراقبة عبر المنصة.

المتطلبات

يجب أن يكون لدى المرشحين أكثر من 5 سنوات من الخبرة في هندسة البيانات الإنتاجية مع مهارات SQL و Python المتقدمة. مطلوب إتقان قوي لـ dbt، ومستودعات البيانات السحابية الحديثة، والخبرة في أدوات التنسيق مثل Airflow أو Dagster.

الأسئلة الشائعة