Analytics Engineer

Инженер по аналитике (Analytics Engineer)

О InvestEngine

Мы — финтех-компания с ~200 сотрудниками, ориентированная на ИИ. Мы работаем быстро, ожидаем, что сотрудники будут полностью отвечать за свои задачи, и у нас нет обширной инфраструктуры поддержки, за которой можно спрятаться — если вы заметили пробел, ожидается, что вы его закроете, а не будете эскалировать и ждать.

О роли

Мы нанимаем нашего первого выделенного инженера по аналитике (Analytics Engineer) в InvestEngine. Это основополагающая позиция: вы будете находиться на стыке инженерии данных, инженерии аналитики и бизнес-партнерства — превращая необработанные, разрозненные данные в управляемые, заслуживающие доверия модели, на основе которых принимает решения вся компания.

Вы не просто будете писать dbt-модели в изоляции. Вы будете напрямую работать с заинтересованными сторонами по всему бизнесу — Product, Engineering, Risk, Finance, Investment, Marketing — чтобы понять проблемы, которые они на самом деле пытаются решить, а затем спроектировать и внедрить конвейеры, модели и семантический слой, которые решат эти проблемы. Вы также поможете определить, как мы будем использовать инструменты на базе ИИ, чтобы ускорить всю аналитическую функцию, и как мы будем структурировать наши данные, чтобы инструментам на базе ИИ можно было доверять при ответах на вопросы о них.

Мы активно модернизируем наш стек данных, и мы хотим, чтобы человек на этой должности определял его. Часть его уже внедрена, часть перестраивается, а часть еще не определена. Если у вас есть обоснованное мнение об оркестрации, ингестии, тестировании, семантических слоях или BI — мы хотим его услышать.

Кто здесь преуспевает

Мы ориентируемся на средний и старший уровень, но честно говоря, уровень имеет меньшее значение, чем стремление. Главный критерий — голод до результатов и желание формировать эту область и оказывать реальное влияние. Если вы технически сильны, но более голодны, чем предполагают ваши годы опыта, подавайте заявку в любом случае — мы скорее возьмем того, кто хочет этим владеть, чем того, кто просто делал это раньше в компании побольше.

Кроме того, эта роль подходит тому, кто:

• Хорошо работает в условиях неопределенности и ограниченной структуры. Вы будете первым инженером по аналитике здесь — нет готового плейбука, нет выделенной команды инженеров данных, на которую можно опереться, нет устоявшейся BI-функции, в которую можно вписаться. Вы будете многое создавать по ходу дела.
• Сознательно хочет работать в небольшой, быстро развивающейся компании — не просто сбежать от бюрократии, а искренне привлечен к компромиссу: больше владения и видимости, меньше процессов и излишней опеки.
• Работает в инструментах, а не в цепочках электронной почты. Вы предпочитаете GitHub, dbt, Slack/Notion и автоматизацию статусным встречам и документам Word.
• Может указать на то, что он реально построил и внедрил, а не только на дизайны или концепции, в которых он участвовал.
• Уже использует ИИ для улучшения работы — Claude, Copilot или аналогичные — и интересуется, как можно пойти дальше.
• Быстро учится. Нас больше волнует, насколько быстро вы закрываете пробелы в знаниях, чем насколько полно выглядит ваше резюме сегодня.
• Хорошо работает напрямую с Product, Marketing, Operations и Engineering, а не только с другими аналитиками — эта роль находится прямо на этой границе.

Наши ценности

От каждого сотрудника InvestEngine ожидается, что он будет жить этими принципами, и эта роль будет оцениваться по всем пяти:

• Действуй как владелец — ты несешь ответственность за результаты, а не только за задачи

• Постоянно совершенствуйся. Оставайся любознательным. — ты повышаешь собственные стандарты и стандарты команды, и ты искренне интересуешься лучшими способами работы

• Достигай большего вместе — ты делаешь людей вокруг себя (включая бизнес-стейкхолдеров) более эффективными, а не только себя

• Говори открыто. Делись. — ты сообщаешь о рисках, разногласиях и лучших идеях, а не держишь их при себе

• Ставь клиентов на первое место. Создавай реальную ценность. — ты создаешь вещи, потому что они решают реальную проблему, а не потому, что их интересно создавать

Что вы будете делать

Инженерия аналитики и семантический слой

• Разрабатывать, создавать и поддерживать модели dbt Core, которые преобразуют необработанные данные в чистые, хорошо протестированные, хорошо документированные наборы данных
• Владеть и развивать наш семантический слой — согласованные определения метрик, бизнес-логика и именование, которым может доверять вся компания и которые она может запрашивать
• Устанавливать и обеспечивать соблюдение стандартов моделирования данных, практик тестирования и документирования по мере масштабирования функции
• Оценивать и помогать внедрять современные BI-инструменты — опыт работы с Lightdash, Omni, Looker или Metabase будет полезен — чтобы метрики были действительно доступны для самостоятельного использования нетехническими стейкхолдерами

Создание контекстного слоя ИИ

• Структурировать наши модели, определения метрик, документацию и lineage так, чтобы они были читаемыми для машин, а не только для людей — потому что наш семантический слой — это то, на чем рассуждают инструменты ИИ
• Обеспечивать надежность аналитики на базе ИИ: если два человека (или два агента) задают один и тот же бизнес-вопрос, они должны получать один и тот же ответ, потому что определение находится в одном управляемом месте
• Относиться к именованию, документации и определениям метрик как к первоклассным результатам инженерии, а не как к запоздалой мысли, поскольку они напрямую определяют надежность нашей BI на базе ИИ
• Использовать Claude для ускорения разработки — создание шаблонов моделей, проверка кода, документирование, QA, отладка конвейеров — и Notion AI для поддержания актуальности и полезности документации и руководств
• Предлагать решения о том, где ИИ может ответственно ускорить инженерию аналитики, и помочь более широкой команде хорошо его освоить

Инженерия данных и платформа

• Создавать и поддерживать конвейеры ингестии и трансформации в нашем стеке. Мы используем современный стек данных, такой как AWS, Redshift и Airflow
• Писать производственный код на Python для задач извлечения, преобразования и автоматизации, которые выходят за рамки dbt
• Помогать нам модернизироваться: мы активно развиваем этот стек и ожидаем, что вы будете его оспаривать и улучшать, а не просто эксплуатировать

Стоимость и производительность хранилища

• Отвечать за профиль производительности и стоимости нашего хранилища Redshift — вы должны уметь читать план запроса, выбирать разумные ключи сортировки и распределения, а также проектировать инкрементальные модели без напоминаний
• Находить и использовать возможности для снижения сложности и стоимости наших моделей и конвейеров, а не допускать тихого накопления расходов и технического долга
• Принимать осознанные компромиссы между актуальностью данных, стоимостью и сложностью — и объяснять эти компромиссы бизнесу на понятном им языке

Качество данных и наблюдаемость

• Продвигать лучшие практики инженерии аналитики по всей компании: тестирование, контроль версий, проверка кода, CI и документирование, применимые к данным так же, как инженерия применяет их к программному обеспечению
• Создавать и поддерживать мониторинг качества данных, актуальности и конвейеров, чтобы проблемы были выявлены нами до того, как их обнаружит стейкхолдер, смотрящий на дашборд
• Установить стандарт того, что здесь означает «надежные данные», и придерживаться его по мере роста объема моделей и запросов

Влияние на вышестоящие этапы

• Работать с нашими инженерными командами, чтобы гарантировать, что дизайн приложений и событий учитывает требования к отчетности и аналитике до того, как данные попадут в хранилище — хорошая аналитика начинается с источника, а не со слоя трансформации
• Влиять на дизайн полезной нагрузки и схемы для новых сервисов и функций продукта, чтобы нам не приходилось постоянно реверс-инжиниринговать бизнес-смысл из операционных таблиц
• Поддерживать аналитиков и бизнес-пользователей экспертизой в области автоматизации, инструментов и инженерии данных, а также предоставлять обучение и руководство по эффективному использованию наших данных

Бизнес-партнерство

• Работать напрямую со стейкхолдерами, чтобы понять их проблемы, а не только их запрошенные результаты — преобразовывать неопределенные бизнес-вопросы в требования к конвейерам и моделям
• Выступать в качестве доверенного советника по вопросам того, что возможно с нашими данными, и конструктивно возражать, когда запрос не решает основную проблему
• Поддерживать финансовую, операционную и нормативную отчетность, соответствующую регулируемой инвестиционной платформе

Управление

• Применять нашу модель классификации и доступа к данным при онбординге источников: идентифицировать PII (включая поля с произвольным текстом), решать, что относится к очищенному аналитическому слою, а что к ограниченному набору данных, и документировать результат
• Реализовывать принцип наименьших привилегий доступа к наборам данных, отчетам и дашбордам

Что мы ищем

Обязательно

• Практический производственный опыт работы с dbt (мы используем dbt Core) — это строгое требование
• Сильные знания SQL
• Надежный Python для инженерии данных и автоматизации
• Рабочие знания сервисов данных AWS
• Опыт работы с GitHub и GitHub Actions (или эквивалентными инструментами CI/CD) для тестирования и развертывания кода данных
• Опыт работы с современным BI-инструментом (например, Lightdash, Omni, Looker или Metabase) и искренний интерес к семантическим слоям (например, MetricFlow, Cube Core) и самообслуживаемой аналитике
• Комфортное использование инструментов ИИ в рамках вашей повседневной инженерной работы
• Отличные коммуникативные навыки — вы можете общаться с нетехническим стейкхолдером, понять его реальную проблему и объяснить компромиссы простым языком
• Ответственность: вы готовы быть первым и единственным человеком на этой должности и строить вещи правильно с нуля

Желательно

• Airflow или аналогичные инструменты оркестрации, и знакомство с инструментами ингестии данных, такими как dlt или Airbyte
• Оптимизация стоимости и производительности хранилища, особенно в Redshift
• Финтех, управление инвестициями или другая регулируемая отрасль
• Ответственное обращение с PII в аналитической среде — очищенные и ограниченные наборы данных, уровни доступа на основе ролей, автоматическое обнаружение PII
• Опыт работы с Notion AI или автоматизацией Asana

Повседневный стиль работы

• Мы предпочитаем ясное мышление и простые, хорошо протестированные решения, а не остроумие
• Мы ожидаем, что вы будете напрямую взаимодействовать с бизнесом, а не прятаться за тикетами — понимание «почему» за запросом является частью работы
• Мы искренне пытаемся использовать ИИ для более быстрой и качественной работы, а не как модное слово — мы хотим людей, которые будут экспериментировать, делиться тем, что работает, и повышать уровень команды
• Как первый инженер по аналитике, вы будете определять, что здесь значит «хорошо»: включая процессы, стандарты и инструменты
• Мы считаем, что данные должны быть настолько доступны, насколько это безопасно возможно, и настолько ограничены, насколько это необходимо — разумное суждение, применяемое последовательно, а не сплошное ограничение

Практические детали

• Подчиняется: Chief Data Officer (Главный специалист по данным)
• Команда: Data & Analytics
• Уровень: От среднего до старшего
• Местоположение / график работы: Лондон / гибридный