Должность: Старший инженер по ИИ-аналитике
Местоположение: Гонконг / гибридный формат
Ключевые обязанности
- Архитектура данных и ИИ: Проектирование, создание и поддержка производственных моделей данных для связи потоков необработанных данных с последующими приложениями и BI-инструментами. Использование LLM и инструментов ИИ для генерации документации к данным, написания SQL/Python-трансформаций, преобразования диалектов хранилищ и диагностики журналов ошибок конвейера.
- Инженерия аналитики: Стандартизация практик моделирования данных и создание надежных, масштабируемых семантических слоев, которые предоставляют чистые, достоверные данные для последующей аналитики и отчетности.
- Бизнес-анализ и анализ требований: Периодическое руководство обсуждениями с заинтересованными сторонами из отделов продукта, технологий и финансов для преобразования бизнес-требований в функциональные спецификации, пользовательские истории и документы по сопоставлению данных.
- Трансляция бизнес-логики: Согласование определений данных между отделами — критически важная задача, выполняемая человеком, которую ИИ не может полностью автоматизировать.
- Качество и управление данными: Создание автоматизированных систем тестирования, мониторинга и фреймворков качества данных для обеспечения надежности финансового уровня.
- Оптимизация производительности: Оптимизация производительности запросов, затрат на хранилища и оркестрации конвейера.
Требования и квалификация
- Опыт: 5+ лет опыта работы в Data Engineering, Analytics Engineering или Data Science, из них не менее 2 лет в среде ИИ.
- Техническое мастерство:
- Продвинутые навыки SQL.
- Практический опыт работы с современными фреймворками трансформации и оркестрации данных (dbt, Airflow, Prefect, Dagster).
- Глубокий опыт работы с облачными хранилищами данных (Snowflake, Databricks, BigQuery).
- Технический стек ИИ:
- Понимание инженерии признаков, жизненных циклов агентных рабочих процессов ИИ и метрик оценки.
- Опыт развертывания агентных рабочих процессов ИИ в производственных средах.
- Навыки бизнес-анализа: Подтвержденная способность периодически собирать бизнес-требования, определять ключевые метрики и преобразовывать потребности заинтересованных сторон в структурированные наборы данных.
- Принципы разработки программного обеспечения: Значительный опыт работы с системами контроля версий (Git), практиками CI/CD для конвейеров данных и тестированием производственного кода.
