Опис проєкту
ПерекладНаші дані лежать де завгодно, тільки не в одному місці. Продажі в CRM, замовлення в білінгу, рекламні витрати в кабінетах площадок, продуктові події в окремій аналітиці, а фінанси ведуть свої таблиці. Кожен раз, коли виникає простий запитання — скільки ми справді заробили на конкретній кампанії або хто з клієнтів пішов у минулому кварталі — аналітик витрачає два дні на виробки, вручну зіставляє ідентифікатори й сподівається, що суми збіжаться. Ми хочемо це припинити. Мета проекту — єдине хмарне сховище даних, Snowflake або BigQuery, яке стане одним довіреним джерелом для всіх запитів.
Шукаємо інженера, який спроектує й побудує весь конвейер від початку до кінця. Починається все з завантаження: кожне джерело потрібно завести в сховище за надійним розкладом — через готові коннектори або через власну виробку там, де коннектора немає, — з акуратною обробкою інкрементальних завантажень і історії змін. Поверх сирого шару дані мають бути грамотно розкладені засобами dbt: staging-моделі, які чистять і приводять до єдиного вигляду кожне джерело, проміжні моделі з джойнами й дедубліцированием і зрозумілі вітрини, які говорять мовою бізнесу. Тести, документація й контроль версій — це частина результату, а не те, що робиться коли-небудь потім, щоб перетворення були прозорими й їх можна було безпечно змінювати.
Завершальна частина — семантичний шар із узгодженими визначеннями ключових метрик: дохід, активні користувачі, маржа, утримання, — щоб одне й те саме число означало одне й те саме у всіх звітах. Далі потрібно підключити наш BI-інструмент до цих підготовлених моделей і зібрати кілька стартових дашбордів, які доведуть, що сховище працює, й дадуть команді аналітики основу для подальшого розвитку. Опишіть, будь ласка, свій підхід до моделювання, як ви будете тримати витрати під контролем і скільки приблизно займе первинна збірка.
— Розрізнені джерела: CRM, білінг, рекламні кабінети, продуктові події, фінансові таблиці
— Сховище: Snowflake або BigQuery, ваша рекомендація з обґрунтуванням
— Моделі dbt з тестами, документацією й контролем версій
— Семантичний шар із узгодженими визначеннями метрик
— Підключення BI й кілька стартових дашбордів
Шукаємо інженера, який спроектує й побудує весь конвейер від початку до кінця. Починається все з завантаження: кожне джерело потрібно завести в сховище за надійним розкладом — через готові коннектори або через власну виробку там, де коннектора немає, — з акуратною обробкою інкрементальних завантажень і історії змін. Поверх сирого шару дані мають бути грамотно розкладені засобами dbt: staging-моделі, які чистять і приводять до єдиного вигляду кожне джерело, проміжні моделі з джойнами й дедубліцированием і зрозумілі вітрини, які говорять мовою бізнесу. Тести, документація й контроль версій — це частина результату, а не те, що робиться коли-небудь потім, щоб перетворення були прозорими й їх можна було безпечно змінювати.
Завершальна частина — семантичний шар із узгодженими визначеннями ключових метрик: дохід, активні користувачі, маржа, утримання, — щоб одне й те саме число означало одне й те саме у всіх звітах. Далі потрібно підключити наш BI-інструмент до цих підготовлених моделей і зібрати кілька стартових дашбордів, які доведуть, що сховище працює, й дадуть команді аналітики основу для подальшого розвитку. Опишіть, будь ласка, свій підхід до моделювання, як ви будете тримати витрати під контролем і скільки приблизно займе первинна збірка.
— Розрізнені джерела: CRM, білінг, рекламні кабінети, продуктові події, фінансові таблиці
— Сховище: Snowflake або BigQuery, ваша рекомендація з обґрунтуванням
— Моделі dbt з тестами, документацією й контролем версій
— Семантичний шар із узгодженими визначеннями метрик
— Підключення BI й кілька стартових дашбордів
Інше Різне Готівка, Банківський переказ
