Inżynier biznesowy danych

Cześć 👋 Nazywamy się Legl. Legl buduje system operacyjny dla nowoczesnych usług prawnych. Pomagamy kancelariom prawnym i regulowanym firmom zastąpić ręczne, fragmentaryczne przepływy pracy inteligentnym oprogramowaniem, począwszy od wdrażania klientów po zgodność z płatnościami, ryzykiem i raportowaniem.

Praca prawnicza jest wysoka. Jest to regulowane, złożone i głęboko ludzkie. Oprogramowanie obsługujące tę funkcję było w przeszłości powolne, ręczne i kruche.

Wierzymy, że nie musi tak być. Wspierają nas czołowe europejskie fundusze venture capital (seria B), szybko się skalujemy, współpracujemy z ponad 550 kancelariami prawniczymi, w tym 40 z 200 najlepszych w Wielkiej Brytanii, założonymi w Wielkiej Brytanii i Australii - i wkraczamy w kolejną fazę rozwoju. Działamy najlepiej, gdy sztuczna inteligencja jest centralnym modelem operacyjnym: nie narzędziem ani planem na przyszłość - ale sposobem, w jaki działamy.

Decyzje podejmowane są wraz z ludźmi: możesz mieć zaufanie do wykonywania połączeń i podejmowania decyzji. Myśl głęboko, wykonuj szybko: szybkość i rygor, a nie prędkość i rygor. Co będziesz robić Jako inżynier danych w Legl będziesz: mieć własne problemy biznesowe, a nie tylko żądania danych.

Mamy obsesję na punkcie problemu biznesowego/celu kryjącego się za dowolną liczbą, pulpitem nawigacyjnym lub żądaniem raportu. Przeformułujesz pytania, rzucisz wyzwanie potrzebom, zdefiniujesz rzeczywiste problemy, które warto rozwiązać, zanim zdecydujesz się na domyślne budowanie, i poprowadzisz istotne projekty dotyczące kluczowych danych, które dostarczą praktycznych spostrzeżeń. Własna poprawność i walidacja.

Jesteś właścicielem testowania i walidacji modeli danych, warstwy wiedzy i jej wyników, dzięki czemu błędne odpowiedzi są wychwytywane, zanim ktokolwiek im zaufa. Posiadaj warstwę semantyczną/wiedzy jako pojedyncze źródło prawdy. Zdefiniuj każdy wskaźnik raz, aby ta sama liczba była obliczana wszędzie w ten sam sposób, a warstwa wiedzy, na której opierają się narzędzia AI, powinna być dokładna i aktualna - traktując ją jako ciągły strumień pracy, a nie jednorazowy.

Dostarczaj kompleksowo rozwiązania oparte na danych. Zamień problem w coś, co dostarcza i zmienia decyzję - metrykę, model, pulpit nawigacyjny, automatyzację - i zarządzaj nim aż do przyjęcia i wywarcia wpływu, a nie tylko dostarczenia. Tłumacz między technicznym i handlowym.

Działać jako kanał łączący interesariuszy technicznych i handlowych; ilościowe określanie efektów i efektów w sposób, który rezonuje z odbiorcami. Wykorzystaj sztuczną inteligencję jako dźwignię i dowiedz się dokładnie, gdzie się psuje. Skorzystaj z LLM, aby uzyskać szybkość i wydajność - opierając się na ocenie technicznej, aby zweryfikować wyniki oraz koordynować wydawanie pozwoleń i zarządzanie.

Ta rola świetnie się sprawdzi, jeśli... Myślisz o problemach i decyzjach, a nie o biletach - instynktownie pytasz: „Po co to właściwie jest?” przed zbudowaniem czegokolwiek i mierzysz się wpływem, a nie wydajnością. Czujesz się komfortowo, będąc świadomym dwuznaczności: możesz zadać niejasne pytanie o wysokiej stawce, przeprowadzić odkrycie, ustalić priorytety i zobowiązać się do wybrania kierunku, nie czekając na doskonałe dane wejściowe.

Masz prawdziwe rzemiosło analityczno-inżynieryjne i wykonałeś najtrudniejsze części. Solidne modelowanie danych i praktyczne doświadczenie w budowaniu przetestowanych, kontrolowanych wersji transformacji w hurtowni danych w chmurze (np. Snowflake, BigQuery, Redshift) - i osobiście rozwiązałeś bałaganiarskie problemy techniczne: uzyskiwanie łączenia systemów przy odpowiednim ziarnie, modelowanie powoli zmieniających się wymiarów, budowanie modeli kosztów.

Traktujesz dane jak produkt, a nie zbiór zapytań. Posiadasz definicje metryczne jako jedno źródło prawdy i rozwikłałeś bałagan, w którym ta sama metryka jest obliczana w różny sposób w dwóch miejscach. Możesz przeglądać i weryfikować to, co produkuje sztuczna inteligencja.

Jesteś wystarczająco biegły w SQL i modelowaniu danych, aby wiedzieć, kiedy wiarygodnie wyglądająca odpowiedź jest w rzeczywistości błędna, już na co dzień korzystasz z LLM, w swojej pracy naturalnie uwzględniasz weryfikację i masz jasny pogląd na to, gdzie należy, a gdzie nie należy ufać sztucznej inteligencji. Ta rola nie jest dla Ciebie odpowiednia, jeśli… Czekasz na podanie w pełni określonych wymagań i postrzegasz tę pracę jako spełnianie próśb, a nie rozwiązywanie problemów. Optymalizujesz wyniki wysyłki w oparciu o zmieniające się decyzje - licząc pulpity nawigacyjne, a nie mierząc wpływ.

Bez problemu możesz wysłać pracę wygenerowaną przez sztuczną inteligencję, która wygląda dobrze, ale nie możesz zweryfikować szczegółów technicznych znajdujących się pod spodem - sięgasz po szybką, wiarygodną odpowiedź, zamiast rozumieć kompromis w zakresie wdrożenia. Traktujesz sztuczną inteligencję albo jako magię, albo jako zagrożenie i tak naprawdę nie dostarczyłeś prac obsługujących LLM. Pierwotnie opublikowany w Himalajach