Projektbeschreibung
ÜbersetztUnsere Daten sind überall verstreut, nur nicht an einem Ort. Verkäufe im CRM, Bestellungen in der Abrechnung, Werbeausgaben in Plattform-Dashboards, Produktereignisse in separaten Analysen, und die Finanzen führen ihre eigenen Tabellen. Jedes Mal, wenn eine einfache Frage auftaucht — wie viel haben wir wirklich aus einer bestimmten Kampagne verdient oder welche Kunden sind im letzten Quartal abgesprungen — verbringt ein Analyst zwei Tage mit Exporten, stimmt manuell Identifikatoren ab und hofft, dass die Summen stimmen. Wir wollen das stoppen. Das Ziel des Projekts ist ein einziges Cloud-Datenlager, Snowflake oder BigQuery, das eine vertrauenswürdige Quelle für alle Abfragen wird.
Wir suchen einen Ingenieur, der die gesamte Pipeline von Anfang bis Ende entwirft und aufbaut. Es beginnt mit dem Laden: jede Quelle muss zuverlässig in das Lager geladen werden — durch fertige Connectoren oder durch benutzerdefinierte Exporte, wo es keinen Connector gibt — mit sorgfältiger Handhabung von inkrementellen Ladevorgängen und Änderungsverlauf. Auf der Rohdatenebene sollten die Daten mit dbt richtig organisiert werden: Staging-Modelle, die jede Quelle bereinigen und standardisieren, Zwischenmodelle mit Joins und Duplikatsbereinigung sowie klare Marts, die die Sprache des Geschäfts sprechen. Tests, Dokumentation und Versionskontrolle sind Teil des Lieferumfangs, nicht etwas, das später erledigt werden soll, damit Transformationen transparent sind und sicher geändert werden können.
Der letzte Teil ist eine semantische Ebene mit vereinbarten Definitionen von Schlüsselkennzahlen: Umsatz, aktive Nutzer, Marge, Retention — damit die gleiche Zahl in allen Berichten dasselbe bedeutet. Als Nächstes müssen wir unser BI-Tool mit diesen vorbereiteten Modellen verbinden und mehrere Starter-Dashboards zusammenstellen, die beweisen, dass das Lager funktioniert und dem Analytics-Team eine Grundlage für die weitere Entwicklung bieten. Bitte beschreiben Sie Ihren Ansatz zur Modellierung, wie Sie die Kosten unter Kontrolle halten und grob, wie lange der erste Aufbau dauern wird.
— Verstreute Quellen: CRM, Abrechnung, Werbedashboards, Produktereignisse, finanzielle Tabellen
— Lager: Snowflake oder BigQuery, Ihre Empfehlung mit Begründung
— dbt-Modelle mit Tests, Dokumentation und Versionskontrolle
— Semantische Ebene mit vereinbarten Kennzahlendefinitionen
— BI-Verbindung und mehrere Starter-Dashboards
Wir suchen einen Ingenieur, der die gesamte Pipeline von Anfang bis Ende entwirft und aufbaut. Es beginnt mit dem Laden: jede Quelle muss zuverlässig in das Lager geladen werden — durch fertige Connectoren oder durch benutzerdefinierte Exporte, wo es keinen Connector gibt — mit sorgfältiger Handhabung von inkrementellen Ladevorgängen und Änderungsverlauf. Auf der Rohdatenebene sollten die Daten mit dbt richtig organisiert werden: Staging-Modelle, die jede Quelle bereinigen und standardisieren, Zwischenmodelle mit Joins und Duplikatsbereinigung sowie klare Marts, die die Sprache des Geschäfts sprechen. Tests, Dokumentation und Versionskontrolle sind Teil des Lieferumfangs, nicht etwas, das später erledigt werden soll, damit Transformationen transparent sind und sicher geändert werden können.
Der letzte Teil ist eine semantische Ebene mit vereinbarten Definitionen von Schlüsselkennzahlen: Umsatz, aktive Nutzer, Marge, Retention — damit die gleiche Zahl in allen Berichten dasselbe bedeutet. Als Nächstes müssen wir unser BI-Tool mit diesen vorbereiteten Modellen verbinden und mehrere Starter-Dashboards zusammenstellen, die beweisen, dass das Lager funktioniert und dem Analytics-Team eine Grundlage für die weitere Entwicklung bieten. Bitte beschreiben Sie Ihren Ansatz zur Modellierung, wie Sie die Kosten unter Kontrolle halten und grob, wie lange der erste Aufbau dauern wird.
— Verstreute Quellen: CRM, Abrechnung, Werbedashboards, Produktereignisse, finanzielle Tabellen
— Lager: Snowflake oder BigQuery, Ihre Empfehlung mit Begründung
— dbt-Modelle mit Tests, Dokumentation und Versionskontrolle
— Semantische Ebene mit vereinbarten Kennzahlendefinitionen
— BI-Verbindung und mehrere Starter-Dashboards
Sonstiges / Verschiedenes Bargeld, Banküberweisung
