Член технического персонала (Инженер по аналитике)

Команда: Наука о данных Местоположение: Сан-Франциско Тип занятости: Полная ставка

Perplexity — это ИИ для людей, которые ожидают большего. Эта роль распространяет те же стандарты на работу нашей команды по работе с данными — с ИИ в центре всего, что мы делаем.

Мы ищем того, кто был отличным специалистом по данным, инженером по аналитике или инженером данных — такого человека, который знает, какая метрика действительно важна, который может разработать A/B-тест, отвечающий на реальный вопрос, который глубоко погрузился в модель данных, потому что что-то не сходилось — и который решил, что самое полезное, что он может сделать дальше, — это создать ИИ-системы, которые кардинально изменят способ получения данных.

Не очередной бот text-to-SQL. Не очередная панель мониторинга. Вы будете создавать ИИ-агентов, которые автономно проводят полный анализ — формируют гипотезы, пишут и выполняют запросы, интерпретируют результаты и составляют рекомендации. Вы сделаете весь склад данных доступным для чтения ИИ, чтобы любая система могла точно запрашивать его. Вы будете создавать самовосстанавливающиеся конвейеры, которые обнаруживают и исправляют проблемы с данными до того, как кто-либо их заметит. Вы будете создавать инфраструктуру, которая превратит небольшую команду по работе с данными в команду, работающую в 10 раз больше.

Вы присоединитесь к команде по работе с данными, которая уже использует ИИ в своих рабочих процессах — но мы знаем, что впереди гораздо большая возможность. У нас есть поддержка руководства, чтобы это произошло. Теперь мы собираем команду, которая займется развитием того, что мы начали, и превращением этого во что-то мирового класса: масштабируемые системы, новые инструменты и ИИ-ориентированный способ работы, который не просто сделает нас мирового класса, но и продвинет всю отрасль вперед.

ЧТО ВЫ БУДЕТЕ ДЕЛАТЬ

• Ускорять ИИ-ориентированный рабочий процесс с данными — команда уже работает таким образом. Вы возьмете то, что работает, и превратите это в воспроизводимые системы, масштабируемые инструменты и шаблоны, которые сможет принять команда по работе с данными и вся компания.
• Создавать ИИ-агентов, которые занимаются наукой о данных — не просто отвечают на SQL-запросы, а проводят сквозной анализ: исследуют данные, формируют гипотезы, выполняют запросы, интерпретируют результаты и генерируют действенные рекомендации.
• Сделать склад данных доступным для чтения ИИ — создавать семантический слой, контекст и инфраструктуру извлечения, которые позволят любой ИИ-системе (внутренней или продуктовой) точно и надежно запрашивать данные Perplexity.
• Автоматизировать жизненный цикл данных — самовосстанавливающиеся конвейеры, автоматическая генерация и проверка моделей dbt, агенты качества данных, которые автономно обнаруживают, диагностируют и исправляют проблемы.
• Выполнять анализ экспериментов с помощью ИИ — агенты, которые интерпретируют результаты A/B-тестов, выявляют статистические проблемы и составляют рекомендации «запуск/не запускать» для продуктовых команд.
• Отвечать за полный жизненный цикл — от выявления наиболее полезной проблемы до прототипирования с помощью LLM, до повышения точности и улучшения пользовательского опыта, до развертывания в производственной среде и мониторинга.
• Превратить команду по работе с данными в продуктовую команду — создавать внутренние продукты данных, которыми ежедневно пользуются заинтересованные стороны по всей компании, заменяя разовые запросы интерфейсами самообслуживания с использованием ИИ.

ЧТО МЫ ИЩЕМ

• 6-8+ лет опыта работы в области науки о данных, инженерии аналитики или смежной области — вы прошли через «окопы» данных.
• Сильное продуктовое чутье — вы тесно сотрудничали с продуктовыми и бизнес-командами, понимаете, что движет поведением пользователей, и у вас есть хорошие инстинкты относительно того, что измерять и что создавать.
• Глубокое знание SQL — вы мыслите в SQL, вы создавали модели данных, вы знаете, как работать со складом данных.
• Опыт работы с конвейерами данных — вы создавали и поддерживали конвейеры данных, работали с dbt, сталкивались с проблемами качества данных.
• Достаточно навыков программирования, чтобы быть опасным — вы можете создать и запустить работающий инструмент на Python, а не просто блокнот. Вы можете работать с API, развертывать сервис, писать код, который другие люди смогут поддерживать. Вы не SWE, но не боитесь производственной среды.
• Искренне увлечены ИИ — вы сами создавали что-то с помощью LLM. У вас есть свое мнение о том, какие модели хороши для чего. Вы пытались создавать агентов, RAG-системы или рабочие процессы на основе ИИ. Вы одержимо следите за этой областью, потому что думаете, что она изменит все — в том числе и то, как работают команды по работе с данными.
• Конструкторское мышление — вы видите ручной процесс и не можете не автоматизировать его. Вы быстро выпускаете продукты и итерируете.
• Автономность — это новая функция. Вы будете определять дорожную карту в той же степени, что и выполнять ее.

БОНУС

• Опыт работы с dbt (создание и поддержка производственных моделей).
• Администрирование и оптимизация Snowflake.
• Вы создавали Slack-ботов, внутренние CLI-инструменты или инструменты для повышения производительности разработчиков, которыми люди действительно пользовались.
• Опыт работы с фреймворками ИИ-агентов.
• Опыт работы с BI-инструментами — вы знаете, что стоит автоматизировать, потому что выполняли это вручную.
• A/B-тестирование и эксперименты — вы разрабатывали эксперименты и анализировали результаты.
• Опыт работы на ранней стадии стартапа.

ПОЧЕМУ ЭТА РОЛЬ

• Установите стандарт для отрасли — команда уже использует ИИ в своей работе. Вы будете тем, кто превратит это во что-то, на что другие организации по работе с данными будут ориентироваться как на эталон.
• Рекурсивный ИИ — Perplexity создает поисковую систему с ответами на основе ИИ для мира. Вы создадите ее для компании. Немногие места предлагают такое соответствие между продуктом и работой.
• Передовые модели с первого дня — вы находитесь в ИИ-компании с доступом к передовой инфраструктуре и людям, которые глубоко понимают, что возможно.
• Огромное влияние — системы, которые вы создадите, многократно увеличат производительность каждого члена команды по работе с данными и каждого заинтересованного лица, которому нужны данные.
• Прямое влияние — маленькая команда, нет уровней утверждения. От идеи до выпущенной системы за дни, а не за кварталы.