Lead Data Architect

Завдання

• Проектування та оптимізація рішень warehouse та lakehouse на Snowflake, Databricks і Azure, інтегрованих з локальними базами даних для аналітичних, регуляторних і операційних робочих навантажень
• Керівництво стандартами концептуального, логічного та фізичного моделювання даних із використанням методів dimensional та data vault, а також просування канонічних моделей і стандартів метаданих для повторного використання продуктів даних
• Співпраця з командами BI та Analytics для визначення семантичних і бізнес-шарів, що забезпечують self-service аналітику
• Визначення шаблонів для завантаження, конвеєрів (pipelines), оркестрації та автоматизації, а також встановлення прагматичних стандартів для CI/CD, інфраструктури як коду (IaC), тестування та спостережуваності (observability)
• Підготовка середовища даних до AI/ML у співпраці з дата-саєнтистами та ML-інженерами щодо даних ознак (feature data), версіонування, відтворюваності та забезпечення для навчання й інференсу
• Визначення та дотримання стандартів архітектури D&A за допомогою пропорційних переглядів дизайну, щоб рішення відповідали вимогам безпеки, регуляторним вимогам та Enterprise Architecture
• Допомога командам у прийнятті рішення про те, коли використовувати наші стандартні технології, а коли виправданий новий шлях, та консульти щодо пріоритезації оновлень існуючих систем
• Приклад на дизайн-сесіях, менторство архітекторів та інженерів, а також інформування команд про актуальні архітектурні тренди

Умови та пільги

Вимоги

• 10 років досвіду в інженерії даних, сховищах даних або платформах даних, включаючи 4 роки на посаді архітектора або провідного інженера
• Глибока експертиза в архітектурі сховищ та lakehouse на сучасних хмарних платформах (щонайменше дві з наступних: Snowflake, Databricks, Microsoft Fabric)
• Міцні навички моделювання даних: концептуальне, логічне та фізичне; dimensional та data vault; канонічні моделі та семантичні шари
• Архітектура SQL Server та досвід оптимізації продуктивності, а також досвід модернізації локальних систем у хмару
• Ґрунтовні знання із завантаження даних (batch, CDC, streaming), оркестрації та практики DataOps
• Досвід підготовки середовищ даних до AI/ML: дані ознак (feature data), версіонування, відтворюваність
• Виняткове управління стейкхолдерами та здатність впливати на керівників, архітекторів та інженерів без формальних повноважень
• Досвід роботи у великій транснаціональній або матричній організації, ідеально — поряд із функцією Enterprise Architecture