Привет, я Тадас. Я ищу Senior Product Data Engineer в команду Data Insights, которая создает продуктовые дата-инструменты Modash.

Modash помогает брендам находить, понимать и работать с креаторами в Instagram, TikTok и YouTube. Более 2700 компаний, включая Stanley 1913, Sennheiser и NordVPN, используют нас для управления и развития партнерских отношений с креаторами.

Data Insights преобразует необработанные данные из социальных сетей в точки данных, которые покупают клиенты: с какими брендами работал креатор, как с ним связаться, где он находится и какие еще креаторы похожи на него. Большая часть работы заключается в обработке «грязных» общедоступных данных из более чем 200 миллионов профилей и приведении их в достаточную точность, чтобы бренд мог действовать на их основе.

На этой должности вы будете полностью отвечать за точки данных, от исходного сигнала до того, что видит клиент, и будете оцениваться по их качеству.

Почему мы нанимаем

В Modash данные — это продукт, за который платят клиенты. Бренды используют наши данные о сотрудничестве, контактах и местоположении для принятия решений о том, с какими креаторами работать, а наши крупнейшие клиенты получают их в виде регулярных массовых поставок через наше API.

Нам нужен старший инженер, который сможет взять одну из этих точек данных от сырой идеи до производственного конвейера и постоянно улучшать ее после запуска. Прямо сейчас это означает создание собственных данных о местоположении креаторов, использование LLM для поиска и проверки контактных адресов электронной почты креаторов, а также сопоставление рекламных постов с нужным брендом и его материнской компанией.

Вы присоединитесь к команде из четырех инженеров по данным, которые тесно сотрудничают с четырьмя бэкенд-инженерами. Вы будете самостоятельно принимать важные технические решения при поддержке сильных коллег, а клиенты будут видеть результаты вашей работы.

Чтобы лучше понять, как мы создаем программное обеспечение, прочитайте наш Engineering Blog.

Что вы будете курировать

1. Создание точек данных, за которые платят клиенты.

Вы преобразуете необработанные посты, биографии и данные профилей в сигналы: сотрудничество с брендами, контактные данные, местоположение креатора, связанные креаторы и ссылки между учетными записями одного креатора на разных платформах.

2. Обеспечение измеримости качества данных.

Каждая отправленная нами точка данных имеет автоматизированные проверки качества. Вы будете определять, что такое «хорошо» для вашей точки данных, измерять ее по каждой платформе с учетом реальных показателей охвата и выявлять регрессии раньше клиентов.

3. Реализация проектов от идеи до внедрения.

Вы будете формировать проблему, определять объем работ, проектировать архитектуру, писать код, выпускать его и учиться на основе его производительности. Мы ожидаем, что старшие инженеры будут нести ответственность за результат, даже когда проблема приходит в неполном виде.

4. Использование LLM там, где это целесообразно.

Мы используем LLM-обогащение в больших масштабах. Вы будете решать, когда LLM превосходит правило или более простую модель, и рассчитывать затраты на более чем 200 миллионов профилей перед выпуском.

Как выглядит рабочий день

Большую часть недели вы будете заниматься одним проектом по несколько дней, часть времени уделяя проблемам конвейера и проверке кода. Типичная неделя может выглядеть так:

• Понедельник. Вы выборочно проверяете выходные данные вашей точки данных и обнаруживаете проблему с качеством. Вы пишете краткий план по ее устранению и получаете обратную связь от другого инженера по данным, прежде чем приступить к работе.
• Вторник. Вы вносите изменения в PySpark и тестируете их. Это слишком медленно на полном наборе данных, поэтому вы профилируете задание и исправляете его.
• Среда. Конвейер не сработал ночью. Вы находите причину, вносите исправление и перезапускаете его. Во второй половине дня вы проверяете PR коллеги, а затем возвращаетесь к своему проекту.
• Четверг. Вы сравниваете результаты до и после изменения на каждой платформе. Один показатель изменился больше, чем ожидалось, и вы углубляетесь в детали, пока не сможете это объяснить.
• Пятница. Вы сливаете изменения, наблюдаете за первым запуском в производственной среде и проверяете отчеты о качестве. Вы отвечаете на вопрос бэкенд-инженера о данных, а затем планируете следующую неделю.

Каждая встреча должна иметь причину, и мы бережем время для сосредоточенной работы. У вас будет короткий стендап, вы будете работать в паре с коллегами, когда это помогает, и получите длительные периоды для планирования, создания и выпуска.

Что вы делали раньше

• Создавали системы данных в значительных масштабах. У вас есть solidный опыт работы инженером данных и опыт работы с большими, сложными наборами данных в производственной среде.
• Глубоко работали со Spark. PySpark, Scala или Databricks — все это подходит. Мы используем PySpark, но фундаментальные знания Spark важнее, чем конкретная реализация. Вот пост в блоге, который поможет объяснить тип работы, которой мы занимаемся.
• Превращали «грязные» данные в надежные сигналы. Сопоставление сущностей, классификация, дедупликация или обогащение: вы создавали надежные выходные данные из данных, которые изначально были неполными, непоследовательными или неверными.
• Рассматривали качество данных как часть работы. Вы определяли проверки качества, отслеживали охват и точность, а также устраняли падение качества как баг.
• Полностью курировали функции. Вы проводили функцию через этапы планирования, определения объема работ, проектирования архитектуры, реализации, выпуска и итерации.
• Писали производственный Python и SQL. Вы заботитесь о качестве кода, проектировании систем и сопровождаемости.
• Работали с оркестрацией и облачной инфраструктурой. Опыт работы с Airflow или AWS Step Functions, а также с такими сервисами, как EMR, Glue, Athena, DynamoDB, S3, Kinesis, Lambda или ECS, поможет вам быстро начать работу.
• Работали с использованием agentic development. Вы используете кодовых агентов, таких как Cursor, в повседневной работе, предоставляете им четкий контекст и тщательно проверяете то, что они пишут, как PR коллеги.
• Работали автономно, не работая в одиночку. Вы добиваетесь прогресса с неполной информацией, высказываете свое мнение, запрашиваете обратную связь и помогаете коллегам работать лучше.

Любопытство к экономике креаторов также поможет, но мы вас всему научим.

Наш стек

• AWS с Pulumi для инфраструктуры как кода
• Spark на EMR, в основном PySpark
• Таблицы Iceberg на S3, запрашиваемые через Glue и Athena
• PostgreSQL на Aurora
• Airflow
• Great Expectations для проверок качества данных
• LLM-модели для обогащения данных
• DynamoDB, Kinesis, Lambda и ECS
• GitHub, Notion, Linear, Cursor

Процесс собеседования

Мы работаем быстро и можем завершить процесс менее чем за неделю:

1. Вводная беседа
2. Два технических собеседования: задание по кодированию PySpark с использованием agentic development и сессия по проектированию систем
3. Оценка соответствия команде и презентация проекта
4. Разговор о культуре и соответствии ценностям компании с нашим CEO, Эвери Шрейдером

Что мы предлагаем

• Полностью удаленная работа в Европе 🏠 Работайте там, где вы можете лучше всего проявить себя.
• Компенсация. Ваша компенсация состоит из зарплаты и опционов на акции. Поскольку мы быстро растем, пакет опционов на акции особенно значителен. Диапазон годовой зарплаты составляет от 100 000 до 130 000 евро. Мы нанимаем сотрудников по всей Европе, поэтому точная сумма зависит от вашего местоположения, типа занятости, навыков и опыта.
• Гибкий график ⏱ Мы ценим результаты, а не время вашего входа в систему.
• Неограниченный оплачиваемый отпуск 🌴 Берите столько времени, сколько вам нужно, чтобы отдохнуть и выполнять отличную работу.
• Поддержка личного развития 🧠 Курсы, книги и конференции за наш счет.
• Реальная ответственность 💡 Берите на себя значимые проблемы клиентов от неопределенности до воздействия.
• Регулярные выездные мероприятия ✈️ Мы работаем удаленно, но находим время для личного общения.

И немного больше о нас...

Основанная в 2018 году человеком, бросившим школу, и канадцем (да, мы тоже удивлены, что все так хорошо получается), Modash создает набор инструментов, которые помогают брендам масштабировать партнерские отношения с онлайн-креаторами.

Более 2700 компаний, таких как Stanley 1913, Sennheiser и NordVPN, уже используют Modash для управления и масштабирования своей работы по маркетингу с инфлюенсерами. И мы только начинаем. В течение следующего десятилетия инвестиции брендов в креаторов будут продолжать расти, и Modash будет в центре всего этого.

Modash здесь надолго. У нас 8-значные годовые регулярные доходы (ARR) по двум продуктам, инвестиции серии А в размере 12 миллионов долларов, и мы «default alive». Мы строим компанию, которая просуществует еще 20 лет, а не спешим к выходу.

Нас почти 100 человек, распределенных по 20+ странам, работающих в быстром, асинхронном режиме. Если вы присоединитесь к Modash, вас будут окружать люди, которые действительно хотят быть лучшими в своем деле. Люди, которые делают вас лучше. Интересные люди, которые делали все: от постройки солнечных автомобилей до общения с Metallica и Bon Jovi.

Присоединяйтесь к нам. Будьте великими, делайте великие дела, создавайте великие воспоминания, и при этом оказывайте великое влияние. Сделайте это.