Główny inżynier danych

<p><strong>Kilka kluczowych informacji o Liberis: </strong></p> <p>🌱 Nasza firma została założona w 2007 roku</p> <p>💰 Do tej pory przekazaliśmy małym firmom ponad 3 miliardy dolarów</p> <p>🚀 Zostaliśmy umieszczeni w<span class="Apple-converted-space"></span><strong>150 najlepszych brytyjskich Fintechów CNBC i Statista dla 2025</strong></p> <p>🌍 Jesteśmy globalnym zespołem, dynamicznie obecnym w<span class="Apple-converted-space"> </span><strong>6</strong><span class="Apple-converted-space"> </span>kluczowych lokalizacjach na całym świecie</p> <p>🧠 Jesteśmy prężnie rozwijającą się społecznością ponad<span class="Apple-converted-space"> </span><strong>290</strong><span class="Apple-converted-space"> </span>innowacyjne umysły</p> <p>👩🏾 🤝 👨🏼 Jesteśmy tętniącym życiem tyglem, świętującym ponad<span class="Apple-converted-space"></span><strong>27</strong><span class="Apple-converted-space"> </span>narodowości w naszym zespole</p> <p>🏢 Nasz zespół wnosi doświadczenie z ponad<span class="Apple-converted-space"> </span><strong>740</strong><span class="Apple-converted-space"></span>poprzednich firm, od startupów po światowych gigantów</p> <p>🎯 Właśnie zostaliśmy uznani za jedną z<span class="Apple-converted-space"> </span><strong>50 najlepszych firm FinTech</strong><span class="Apple-converted-space"> </span>autor: Welcome to the Jungle</p> <p>💪 Jesteśmy dumni, że jesteśmy akredytowanym<span class="Apple-converted-space"></strong>Real Living Wage</strong><span class="Apple-converted-space"> </span>pracodawcą, zapewniającym każdemu sprawiedliwe wynagrodzenie za wspaniałą pracę, którą wykonują!</p> <p> </p> <p><strong>Nasz zespół ds. produktów i inżynierii:</strong></p> <p>Liberis tworzy wbudowaną platformę finansową, która umożliwia partnerom na całym świecie oferowanie innowacyjnych produktów finansowych swoim małym klientom biznesowym. Jesteśmy fintechem na etapie rozwoju, posiadającym zespoły w Londynie, Nottingham, Atlancie, Sztokholmie, Monachium i Bombaju, i budujemy globalny zespół ds. produktów, danych i inżynierii, który opiera się na autonomii, własności i koncentruje się na wpływie! Nasze zespoły rozwiązują rzeczywiste problemy małych firm, kształtując produkty otwierające możliwości na dużą skalę.<span class="Apple-converted-space"> </span></p> <p>Inżynieria przechodzi transformację opierającą się przede wszystkim na sztucznej inteligencji, zmieniając na nowo strukturę zespołów i sposób ich realizacji.

To zmienia to, co może zrobić mały zespół! Umożliwiamy naszym zespołom podejmowanie decyzji, szybkie działanie i branie pełnej odpowiedzialności za dostarczane przez nie rozwiązania. Dołączysz do zespołu, w którym pobudzana jest ciekawość, a współpraca w zakresie produktów, danych, dostaw i inżynierii jest normą.</p> <p> </p> <p><strong>O naszym zespole ds. danych i wniosków:</strong></p> <p>Jesteśmy po to, aby budować platformy danych i narzędzia analityczne, które umożliwiają podejmowanie wszelkich decyzji w Liberis na podstawie danych - a w coraz większym stopniu wspomagają możliwości sztucznej inteligencji i uczenia maszynowego w całej firmie!</p> <p>Budujemy nadające się do komponowania, niezawodne platformy danych na taką skalę - od pozyskiwania danych o transakcjach partnerów i strumieni zdarzeń, po wspomaganie pulpitów analitycznych i dostarczanie modelom uczenia maszynowego funkcji czasu rzeczywistego.

Wspieramy także zespół zajmujący się platformą AI/ML za pomocą niezawodnych potoków funkcji o niskim opóźnieniu i infrastruktury do obsługi modeli.</p> <p>Jesteśmy pragmatyczni i współpracujemy, cenimy szybkie działanie poprzez rozwiązywanie właściwych problemów - nie przesadnie inżynieryjne, ale budujące z myślą o trwałości!</p> <p> </p> <p><strong>Zespół składa się z trzech funkcji:</strong></p> <p><strong>Inżynieria platformy danych:</strong> budowanie i skalowanie potoków ELT, zarządzanie infrastrukturę danych w GCP oraz stworzenie podstaw dla analityki i magazynów funkcji ML. Będziesz częścią małego, wydajnego zespołu inżynierów platform skupiających się na niezawodności, skali i szybkości programowania.</p> <p><strong>Inżynieria analityczna:</strong> Przekształcaj surowe dane w zaufane modele za pomocą DBT i SQL, zapewniając samoobsługową analitykę i analizę biznesową dla interesariuszy w całej firmie.</p> <p><strong>Dane i analityka biznesowa</strong>: Twórz pulpity nawigacyjne, raporty dla partnerów i spostrzeżenia, które wpływają na decyzje biznesowe i przychody wyniki.</p> <p> </p> <p><strong>Co będziesz robić na tym stanowisku:</strong></p> <ul> <li>Projektuj, buduj i utrzymuj odporne potoki danych, które pozyskują dane z Azure SQL, platform SaaS i strumieni zdarzeń do BigQuery.</li> <li>Napisz kod w Pythonie za pomocą DLT, aby zdefiniować deklaratywne, testowalne i kontrolowane wersje potoków danych - bez narzędzi o niskim kodzie, prawdziwa inżynieria.</li> <li>Twórz i obsługuj potoki funkcji ML - strumienie danych w czasie rzeczywistym o niskim opóźnieniu, które zasilają modele ML dokładnymi, świeżymi funkcjami.</li> <li>Zarządzaj stanem operacyjnym budowanych systemów - monitorowanie, ostrzeganie, obsługa błędów i reagowanie na incydenty. Kiedy potok danych przestaje działać, ucierpią decyzje dotyczące kredytów kupieckich i przewidywania modeli uczenia maszynowego.</li> <li>Współpracuj z inżynierami analityki, aby zrozumieć potrzeby w zakresie danych, zweryfikować projekt schematu i ustanowić standardy jakości danych, na których opierają się zarówno analityka, jak i ML.</li> <li>Współpracuj z zespołem platformy AI/ML, aby projektować magazyny funkcji, infrastrukturę funkcji przesyłania strumieniowego i potoki obsługi modeli, które napędzają silnik decyzyjny Liberis.</li> <li>Identyfikuj i przeprowadzaj prace optymalizacyjne - poprawiając wydajność, niezawodność i szybkość programowania bez konieczności zmiany architektury stabilnych systemów.</li> <li>Bądź mentorem dla młodszych inżynierów, pomagając im rozwijać się jako inżynierowie i wspierając ich rozwój kariery.</li> <li>Bierz udział w decyzjach technicznych dotyczących kierunku platformy - wyboru infrastruktury, narzędzi, kompromisów w architekturze.</li> <li>Współpracuj międzyfunkcyjnie z zespołami ds. produktów, inżynierami analityki, specjalistami BI i zespołem platformy ML, aby kształtować wymagania dotyczące danych i możliwości platformy.</li> </ul> <p> </p> <p><strong>Co naszym zdaniem będziesz potrzebować:</strong></p> <ul> <li>Udokumentowane doświadczenie na stanowiskach związanych z inżynierią danych - budowanie i obsługa potoków danych na dużą skalę</li> <li>Praktyczne doświadczenie w budowaniu nowoczesnych architektur Data Stack - rozumiesz warstwy: pozyskiwanie, magazyn, transformacja, orkiestracja, odwrotny ETL.

Pracowałeś z narzędziami takimi jak DLT/Fivetran/Airbyte (przetwarzanie), BigQuery/Snowflake/Redshift (magazyn), DBT (transformacja), Airflow/podobne (orkiestracja).</li> <li>Silne programowanie w języku Python - piszesz czysty, testowalny, łatwy w utrzymaniu kod z solidną obsługą błędów i rejestrowaniem.</li> <li>Płynny SQL - możesz pisać złożone zapytania, rozumieć plany wykonania i optymalizować pod kątem wydajności i koszt.</li> <li>Doświadczenie z platformami danych w chmurze - zbudowałeś hurtownie danych w BigQuery, Redshift, Snowflake lub podobnym; rozumiesz przetwarzanie rozproszone, partycjonowanie, optymalizację kosztów i zarządzanie danymi.</li> <li>Doświadczenie z narzędziami typu infrastruktura jako kod (Terraform, CloudFormation, Pulumi) lub równoważnymi - kontrolujesz wersję infrastruktury i wdrażasz ją za pomocą potoków CI/CD.</li> <li>Doświadczenie w pracy w szybko zmieniających się środowiskach, w których wymagania ewoluują i szybko się dostosowujesz, nie tracąc z oczu niezawodności.</li> <li>Rozumienie zasad DevOps - myślisz w kategoriach obserwowalność, odporność, reagowanie na incydenty i doskonałość operacyjna. Możesz skonfigurować monitorowanie i ostrzeganie, które ma naprawdę znaczenie.</li> </ul> <p> </p> <p><strong>Punkty dodatkowe, jeśli posiadasz: </strong></p> <ul> <li>Doświadczenie z DLT lub podobnymi deklaratywnymi frameworkami ELT; doświadczenie z ekosystemem Google Cloud Platform (BigQuery, Cloud Run, Pub/Sub, Dataflow); doświadczenie z platformami Kafka, Pub/Sub lub streamingiem wydarzeń; doświadczenie w skalowaniu systemów danych od 0 do 100M+ zdarzeń dziennie; doświadczenie we wdrażaniu frameworków jakości danych (Wielkie Oczekiwania, testy dbt, niestandardowe monitorowanie); doświadczenie w technologiach fintech lub środowiskach zapewniających niezawodność danych o wysokiej stawce, gdzie jakość danych bezpośrednio wpływa na przychody.</li> <li>Doświadczenie w pracy z rozproszonymi, asynchronicznymi zespołami w różnych strefach czasowych; doświadczenie w indyjskim ekosystemie technologicznym lub budowanie w środowiskach o ograniczonych zasobach; doświadczenie w migracji ze starszej infrastruktury danych (Azure ADF, tradycyjny ETL) do nowoczesnych stosów natywnych w chmurze.</li> </ul> <p> </p> <div class="p-rich_text_section">Rozwój kariery jest dla nas w Liberis naprawdę ważny, z możliwościami rozwoju zarówno dla indywidualnych współpracowników, jak i menedżerów. Z naszymi ramami kariery inżynierskiej możesz zapoznać się za pomocą <a href="https://job-boards.greenhouse.io/liberis/jobs/263e2181723d80a29d3ece52*** *** 561">tego linku </a></div> <div class="p-rich_text_section"><br><strong data-stringify-type="bold">Nasze podejście hybrydowe</strong><br>Współpraca osobiście pomaga nam działać szybciej, lepiej współpracować i budować wspaniałą kulturę Liberis.

Nasza polityka dotycząca pracy hybrydowej wymaga, aby członkowie zespołu przebywali w biurze co najmniej 3 dni w tygodniu. W Liberis traktujemy elastyczność jako kluczową część naszej kultury, jednocześnie doceniając znaczenie czasu, jaki nasze zespoły spędzają razem w biurze.<br><br>#LI-FC1</div> <p> </p>Znajdź pracę w Wielkiej Brytanii w serwisie Arbeitnow