Descrizione del progetto
TradottoI nostri dati sono sparsi ovunque, ma non in un unico posto. Vendite nel CRM, ordini nella fatturazione, spese pubblicitarie nei dashboard della piattaforma, eventi di prodotto in analisi separate e la finanza tiene i propri fogli di calcolo. Ogni volta che sorge una semplice domanda — quanto abbiamo realmente guadagnato da una campagna specifica o quali clienti hanno lasciato lo scorso trimestre — un analista impiega due giorni per esportare, abbinare manualmente gli identificatori e spera che le somme coincidano. Vogliamo fermare questo. L'obiettivo del progetto è un unico data warehouse cloud, Snowflake o BigQuery, che diventi una fonte affidabile per tutte le query.
Stiamo cercando un ingegnere che progetti e costruisca l'intero pipeline dall'inizio alla fine. Inizia con il caricamento: ogni fonte deve essere portata nel magazzino secondo un programma affidabile — attraverso connettori pronti all'uso o tramite esportazioni personalizzate dove non c'è un connettore — con una gestione attenta dei caricamenti incrementali e della cronologia delle modifiche. Sopra il livello grezzo, i dati devono essere organizzati correttamente utilizzando dbt: modelli di staging che puliscono e standardizzano ogni fonte, modelli intermedi con join e deduplicazione, e chiari mart che parlano il linguaggio del business. Test, documentazione e controllo delle versioni fanno parte della consegna, non sono qualcosa da fare in seguito, affinché le trasformazioni siano trasparenti e possano essere modificate in sicurezza.
La parte finale è un livello semantico con definizioni concordate di metriche chiave: entrate, utenti attivi, margine, retention — in modo che lo stesso numero significhi la stessa cosa in tutti i report. Successivamente, dobbiamo connettere il nostro strumento BI a questi modelli preparati e assemblare diversi dashboard iniziali che dimostrino che il magazzino funziona e diano al team di analisi una base per ulteriori sviluppi. Si prega di descrivere il proprio approccio alla modellazione, come si manterranno i costi sotto controllo e approssimativamente quanto tempo richiederà la costruzione iniziale.
— Fonti sparse: CRM, fatturazione, dashboard pubblicitari, eventi di prodotto, fogli di calcolo finanziari
— Magazzino: Snowflake o BigQuery, la tua raccomandazione con giustificazione
— Modelli dbt con test, documentazione e controllo delle versioni
— Livello semantico con definizioni di metriche concordate
— Connessione BI e diversi dashboard iniziali
Stiamo cercando un ingegnere che progetti e costruisca l'intero pipeline dall'inizio alla fine. Inizia con il caricamento: ogni fonte deve essere portata nel magazzino secondo un programma affidabile — attraverso connettori pronti all'uso o tramite esportazioni personalizzate dove non c'è un connettore — con una gestione attenta dei caricamenti incrementali e della cronologia delle modifiche. Sopra il livello grezzo, i dati devono essere organizzati correttamente utilizzando dbt: modelli di staging che puliscono e standardizzano ogni fonte, modelli intermedi con join e deduplicazione, e chiari mart che parlano il linguaggio del business. Test, documentazione e controllo delle versioni fanno parte della consegna, non sono qualcosa da fare in seguito, affinché le trasformazioni siano trasparenti e possano essere modificate in sicurezza.
La parte finale è un livello semantico con definizioni concordate di metriche chiave: entrate, utenti attivi, margine, retention — in modo che lo stesso numero significhi la stessa cosa in tutti i report. Successivamente, dobbiamo connettere il nostro strumento BI a questi modelli preparati e assemblare diversi dashboard iniziali che dimostrino che il magazzino funziona e diano al team di analisi una base per ulteriori sviluppi. Si prega di descrivere il proprio approccio alla modellazione, come si manterranno i costi sotto controllo e approssimativamente quanto tempo richiederà la costruzione iniziale.
— Fonti sparse: CRM, fatturazione, dashboard pubblicitari, eventi di prodotto, fogli di calcolo finanziari
— Magazzino: Snowflake o BigQuery, la tua raccomandazione con giustificazione
— Modelli dbt con test, documentazione e controllo delle versioni
— Livello semantico con definizioni di metriche concordate
— Connessione BI e diversi dashboard iniziali
Altro / Varie Contante, Bonifico bancario
