Descrição do projeto
TraduzidoNossos dados estão espalhados por toda parte, apenas não em um só lugar. Vendas no CRM, pedidos na cobrança, gastos com anúncios em painéis de plataforma, eventos de produtos em análises separadas, e as finanças mantêm suas próprias planilhas. Sempre que surge uma pergunta simples — quanto realmente ganhamos com uma campanha específica ou quais clientes saíram no último trimestre — um analista gasta dois dias em exportações, combina manualmente identificadores e espera que as somas sejam corretas. Queremos parar com isso. O objetivo do projeto é um único armazém de dados em nuvem, Snowflake ou BigQuery, que se torne uma fonte confiável para todas as consultas.
Estamos procurando um engenheiro que projetará e construirá todo o pipeline do início ao fim. Começa com o carregamento: cada fonte precisa ser trazida para o armazém em um cronograma confiável — através de conectores prontos ou através de exportação personalizada onde não há conector — com manuseio cuidadoso de cargas incrementais e histórico de mudanças. Em cima da camada bruta, os dados devem ser organizados adequadamente usando dbt: modelos de staging que limpam e padronizam cada fonte, modelos intermediários com junções e deduplicação, e martelos claros que falam a linguagem dos negócios. Testes, documentação e controle de versão fazem parte da entrega, não algo a ser feito depois, para que as transformações sejam transparentes e possam ser alteradas com segurança.
A parte final é uma camada semântica com definições acordadas de métricas-chave: receita, usuários ativos, margem, retenção — para que o mesmo número signifique a mesma coisa em todos os relatórios. Em seguida, precisamos conectar nossa ferramenta de BI a esses modelos preparados e montar vários painéis iniciais que provem que o armazém funciona e dê à equipe de análises uma base para desenvolvimento futuro. Por favor, descreva sua abordagem para modelagem, como você manterá os custos sob controle e aproximadamente quanto tempo levará a construção inicial.
— Fontes dispersas: CRM, cobrança, painéis de anúncios, eventos de produtos, planilhas financeiras
— Armazém: Snowflake ou BigQuery, sua recomendação com justificativa
— Modelos dbt com testes, documentação e controle de versão
— Camada semântica com definições de métricas acordadas
— Conexão de BI e vários painéis iniciais
Estamos procurando um engenheiro que projetará e construirá todo o pipeline do início ao fim. Começa com o carregamento: cada fonte precisa ser trazida para o armazém em um cronograma confiável — através de conectores prontos ou através de exportação personalizada onde não há conector — com manuseio cuidadoso de cargas incrementais e histórico de mudanças. Em cima da camada bruta, os dados devem ser organizados adequadamente usando dbt: modelos de staging que limpam e padronizam cada fonte, modelos intermediários com junções e deduplicação, e martelos claros que falam a linguagem dos negócios. Testes, documentação e controle de versão fazem parte da entrega, não algo a ser feito depois, para que as transformações sejam transparentes e possam ser alteradas com segurança.
A parte final é uma camada semântica com definições acordadas de métricas-chave: receita, usuários ativos, margem, retenção — para que o mesmo número signifique a mesma coisa em todos os relatórios. Em seguida, precisamos conectar nossa ferramenta de BI a esses modelos preparados e montar vários painéis iniciais que provem que o armazém funciona e dê à equipe de análises uma base para desenvolvimento futuro. Por favor, descreva sua abordagem para modelagem, como você manterá os custos sob controle e aproximadamente quanto tempo levará a construção inicial.
— Fontes dispersas: CRM, cobrança, painéis de anúncios, eventos de produtos, planilhas financeiras
— Armazém: Snowflake ou BigQuery, sua recomendação com justificativa
— Modelos dbt com testes, documentação e controle de versão
— Camada semântica com definições de métricas acordadas
— Conexão de BI e vários painéis iniciais
Outros / Diversos Dinheiro, Transferência bancária
