Adatarchitekt

Stack

Feladatok

• ▹A teljes OneOcean adatszervezet adatarchitektúrájának gondozása (operatív, lakehouse, analitikai kiszolgáló és vektoros rétegek), koherens célállapottal és pragmatikus úttal feléje
• ▹A termék- és analitikai ütemtervekhez szükséges adatstruktúrák és modellek feltárásának, dokumentálásának és specifikálásának vezetése
• ▹A OneOcean SaaS termékek forrásadatainak reverse engineeringje: az upstream rendszerek pontos logikai modelljének felépítése, valamint az adatszerződések, a szemcsézettség (grain) és a szemantika azonosítása, amelyekre a pipeline-ok épülnek
• ▹Minden felhasználási esethez a megfelelő adattároló megtervezése (OLTP, oszlopos/OLAP, lakehouse és vektoros megközelítések közül választva, a kompromisszumokat kimondva)
• ▹Koncepcionális, logikai és fizikai adatmodellek meghatározása és karbantartása; világos ERD-k, leszármazás (lineage) és dimenziós tervek (star/snowflake, conformed dimension, surrogate key) készítése
• ▹Modellezési szabványok, elnevezési konvenciók, adatszerződések és séma-evolúciós gyakorlatok kialakítása és betartatása a csapatok között
• ▹Együttműködés a Data, BI és AI csapatvezetőkkel: a termék- és analitikai igények lefordítása specifikációkká, amelyekből a mérnökök építkezhetnek, és az architekturális döntések akadálymentesítése
• ▹Egyeztetés a Product, Architecture és Engineering csapatvezetőkkel az adatirány és a tágabb mérnöki stratégia összehangolására
• ▹Az adatkormányzás képviselete: katalogizálás, leszármazás, felelősök, minőség, biztonság és adatvédelem
• ▹Az architekturális döntések dokumentálása (ADR), hogy a miért megmaradjon a mi mellett
• ▹Az adatszervezet mérnökeinek mentorálása a modellezésben, tervezésben és architekturális gondolkodásban, soros vezetés nélkül
• ▹Az adatvilág fejlődésének követése, bevált technikák bevezetése a megérésükkor, a folyamatos fejlődés, innováció és tudásmegosztás kultúrájának ápolása

Elvárások

• ▹Legalább 8 év kereskedelmi tapasztalat adatmérnöki, BI-mérnöki vagy adatarchitekt szerepkörben, jelentős modellezési és specifikálási idővel
• ▹Bizonyított tapasztalat több munkaterhelés adatarchitektúrájának gondozásában: operatív, analitikai, lakehouse és (lehetőleg) AI/vektoros
• ▹Mély adatmodellezési szakértelem: koncepcionális, logikai és fizikai; dimenziós/star-séma; SCD; adatszerződések; szemantikus réteg tervezése
• ▹Erős SQL tudás több dialektusban; összetett forrásrendszer-sémák magabiztos olvasása és értelmezése
• ▹Bizonyított képesség SaaS/operatív rendszerek reverse engineeringjére: szemcsézettség, elsődleges kulcsok, kapcsolatok, soft-delete minták és a dokumentációban nem szereplő sajátosságok feltárása
• ▹Szilárd gyakorlati ismeret az analitikai kiszolgáló eszközökről (pl. Apache Druid, Apache Superset, Power BI) és a teljesítményüket biztosító modellezési mintákról
• ▹Gyakorlati ismeret a lakehouse megközelítésekről (pl. Delta Lake): MERGE-szemantika, particionálás, séma-evolúció
• ▹Pragmatikus döntéshozatal: az ideális architektúra és a szállítási nyomás egyensúlyba hozása, a kompromisszumok világos magyarázata
• ▹Kiváló írásbeli és vizuális kommunikáció: olyan specifikációk és diagramok készítése, amelyekből a mérnökök minimális félreértéssel építkezhetnek
• ▹Kiemelkedő együttműködési és érdekeltfél-kezelési készség, mérnöki, BI, AI, termék- és üzleti közönség összekötése
• ▹Dokumentációs fegyelem: Confluence-szintű architekturális feljegyzések, ADR-ek, modellszótárak és bevezetési anyagok

Előny

• ▹Vektoradatbázisok és az AI/RAG munkaterhelések modellezési szempontjainak ismerete (chunk-stratégia, metaadat-séma, beágyazás-verziózás)
• ▹Data Vault vagy Anchor modellezés ismerete a dimenziós megközelítések mellett
• ▹Katalógus/leszármazási eszközök (pl. DataHub, Atlan, Collibra vagy hasonló) és adatminőségi keretrendszerek (pl. Great Expectations, Soda) ismerete
• ▹Tapasztalat adatszerződésekkel kódként (pl. Open Data Contract Standard) vagy séma-nyilvántartásokkal
• ▹A vonatkozó adatvédelmi rendszerek (GDPR, UK GDPR) és a modellezési döntésekre gyakorolt hatásuk ismerete (PII-címkézés, megőrzés, minimalizálás)
• ▹Annyi Python-ismeret, hogy a pipeline-kódot olvasni és a PR-okban együttműködni lehessen fordítás nélkül
• ▹Felhőplatform-ismeret (előnyben az AWS) és IaC-ismeret (Terraform)
• ▹Tengerészeti vagy más szabályozott iparági szakterületi tapasztalat

Soft skillek

A munkáltatóról

A OneOcean a OneOcean és az Ocean Technologies Group egyesüléséből született egységes márka, amelyet a Lloyd's Register birtokol. Digitális megoldásait több mint 30 000 hajó használja a tanulás, a flottaműveletek, a megfelelés, az útvonaltervezés és a teljesítménykezelés területén.