Opis projektu
PrzetłumaczoneNasze dane są rozproszone wszędzie, tylko nie w jednym miejscu. Sprzedaż w CRM, zamówienia w fakturowaniu, wydatki na reklamy w pulpitach platformy, wydarzenia produktowe w oddzielnych analizach, a finanse prowadzą własne arkusze kalkulacyjne. Za każdym razem, gdy pojawia się proste pytanie — ile naprawdę zarobiliśmy na konkretnej kampanii lub którzy klienci odeszli w ubiegłym kwartale — analityk spędza dwa dni na eksportach, ręcznie dopasowuje identyfikatory i ma nadzieję, że sumy się zgadzają. Chcemy to zatrzymać. Celem projektu jest jedna chmurowa hurtownia danych, Snowflake lub BigQuery, która stanie się jednym zaufanym źródłem dla wszystkich zapytań.
Szukamy inżyniera, który zaprojektuje i zbuduje cały pipeline od początku do końca. Zaczyna się od ładowania: każde źródło musi być wprowadzane do hurtowni na niezawodnym harmonogramie — przez gotowe konektory lub przez niestandardowy eksport, gdzie nie ma konektora — z dokładnym zarządzaniem przyrostowymi ładunkami i historią zmian. Na surowej warstwie dane powinny być odpowiednio zorganizowane za pomocą dbt: modele stagingowe, które oczyszczają i standaryzują każde źródło, modele pośrednie z łączeniami i deduplikacją oraz jasne martwy, które mówią językiem biznesu. Testy, dokumentacja i kontrola wersji są częścią dostarczanego rozwiązania, a nie czymś, co ma być zrobione później, aby transformacje były przejrzyste i mogły być bezpiecznie zmieniane.
Ostatnia część to warstwa semantyczna z uzgodnionymi definicjami kluczowych wskaźników: przychody, aktywni użytkownicy, marża, retencja — aby ta sama liczba miała to samo znaczenie we wszystkich raportach. Następnie musimy połączyć nasze narzędzie BI z tymi przygotowanymi modelami i złożyć kilka początkowych pulpitów, które udowodnią, że hurtownia działa i dadzą zespołowi analitycznemu podstawy do dalszego rozwoju. Proszę opisać swoje podejście do modelowania, jak zamierzacie kontrolować koszty i mniej więcej ile czasu zajmie początkowa budowa.
— Rozproszone źródła: CRM, fakturowanie, pulpity reklamowe, wydarzenia produktowe, arkusze finansowe
— Hurtownia: Snowflake lub BigQuery, twoja rekomendacja z uzasadnieniem
— modele dbt z testami, dokumentacją i kontrolą wersji
— Warstwa semantyczna z uzgodnionymi definicjami wskaźników
— Połączenie BI i kilka początkowych pulpitów
Szukamy inżyniera, który zaprojektuje i zbuduje cały pipeline od początku do końca. Zaczyna się od ładowania: każde źródło musi być wprowadzane do hurtowni na niezawodnym harmonogramie — przez gotowe konektory lub przez niestandardowy eksport, gdzie nie ma konektora — z dokładnym zarządzaniem przyrostowymi ładunkami i historią zmian. Na surowej warstwie dane powinny być odpowiednio zorganizowane za pomocą dbt: modele stagingowe, które oczyszczają i standaryzują każde źródło, modele pośrednie z łączeniami i deduplikacją oraz jasne martwy, które mówią językiem biznesu. Testy, dokumentacja i kontrola wersji są częścią dostarczanego rozwiązania, a nie czymś, co ma być zrobione później, aby transformacje były przejrzyste i mogły być bezpiecznie zmieniane.
Ostatnia część to warstwa semantyczna z uzgodnionymi definicjami kluczowych wskaźników: przychody, aktywni użytkownicy, marża, retencja — aby ta sama liczba miała to samo znaczenie we wszystkich raportach. Następnie musimy połączyć nasze narzędzie BI z tymi przygotowanymi modelami i złożyć kilka początkowych pulpitów, które udowodnią, że hurtownia działa i dadzą zespołowi analitycznemu podstawy do dalszego rozwoju. Proszę opisać swoje podejście do modelowania, jak zamierzacie kontrolować koszty i mniej więcej ile czasu zajmie początkowa budowa.
— Rozproszone źródła: CRM, fakturowanie, pulpity reklamowe, wydarzenia produktowe, arkusze finansowe
— Hurtownia: Snowflake lub BigQuery, twoja rekomendacja z uzasadnieniem
— modele dbt z testami, dokumentacją i kontrolą wersji
— Warstwa semantyczna z uzgodnionymi definicjami wskaźników
— Połączenie BI i kilka początkowych pulpitów
Inne / Różne Gotówka, Przelew bankowy
