Lead Data Architect

Feladatok

• Adattárház- és lakehouse-megoldások tervezése és optimalizálása Snowflake, Databricks és Azure rendszereken, integrálva a helyi (on-prem) adatbázisokkal az analitikai, szabályozási és operatív feladatokhoz
• A koncepcionális, logikai és fizikai adatmodellezési szabványok vezetése dimenziós és data vault módszerek használatával, valamint a kanonikus modellek és metaadat-szabványok támogatása az adattermékek újrafelhasználása érdekében
• Együttműködés a BI- és analitikai csapatokkal a szegmensalapú és üzleti rétegek meghatározásában az önkiszolgáló analitika (self-service) támogatása érdekében
• Betöltési minták, adatfolyamok, orkesztráció és automatizálás meghatározása, valamint pragmatikus szabványok bevezetése a CI/CD, az infrastruktúra mint kód, a tesztelés és a megfigyelhetőség terén
• Adatkörnyezeteink felkészítése az AI/ML-re; együttműködés az adattudósokkal és ML mérnökökkel a jellemzőadatok (features), verziókövetés, reprodukálhatóság és a betanítási/következtetési infrastruktúra terén
• A D&A architektúra szabványainak meghatározása és betartatása arányos tervezési felülvizsgálatok révén, biztosítva, hogy a megoldások megfeleljenek a biztonsági, szabályozási és vállalati architekturális elvárásoknak
• A csapatok támogatása annak eldöntésében, hogy mikor érdemes a standard technológiákat használni, és mikor indokolt új utat választani, valamint tanácsadás a meglévő rendszerek frissítésének priorizálásáról
• Mutasson példát a tervezési megbeszéléseken, mentorálja az architekt és mérnök kollégákat, és tartsa naprakészen a csapatokat a releváns architekturális trendek terén

Feltételek és juttatások

Elvárások

• 10 év tapasztalat adatmérnöki, adattárház- vagy adatplatform-területen, ezen belül 4 év architect vagy principal engineer pozícióban
• Mélyjártasság a modern felhőalapú platformokon futó raktár- és lakehouse-architektúrák terén (a Snowflake, a Databricks vagy a Microsoft Fabric közül legalább kettő ismerete)
• Erős adatmodellezési ismeretek: koncepcionális, logikai és fizikai; dimenziós és data vault; kanonikus modellek és szegmensalapú rétegek
• SQL Server architekturális és teljesítmény-optimalizálási szakértelem, valamint tapasztalat helyi (on-prem) rendszerek felhőbe történő modernizálásában
• Biztos alapok az adatbetöltés (batch, CDC, streaming), az orkesztráció és a DataOps gyakorlatok terén
• Tapasztalat az adatkörnyezetek AI/ML-re való felkészítésében: jellemzőadatok (features), verziókövetés, reprodukálhatóság
• Kiváló érintettkezelési (stakeholder management) készségek, valamint azon képesség, hogy formális felhatalmazás nélkül is képes legyen hatni a vezetőkre, architektnek és mérnökökre
• Nagyobb, multinacionális vagy mátrixszervezetben szerzett tapasztalat, ideális esetben vállalati architekturális (Enterprise Architecture) funkció mellett