Adatminőségi és AI-készenléti termékelemző

Stack

Feladatok

• ▹A Skills és Job Architecture adatminőségi problémák továbbgyűrűző hatásának felmérése és dokumentálása a bérszámfejtésben, vezetői riportolásban, harmadik féltől származó integrációkban és AI/gépi tanulási modellek bemenetében
• ▹A globális adatszabványok bevezetésének nyomon követése régiók, üzleti egységek és funkcionális csapatok szerint, különös tekintettel a Skills és Job Architecture taxonómia Workdayen belüli konzisztenciájára; a helyi eltérések, nem szabványos értékek és kerülőmegoldások visszaszivárgásának proaktív felismerése és jelzése
• ▹Strukturált gyökérok-elemzések végzése az elszigetelt hibák és a rendszerszintű, folyamat- vagy konfigurációs beavatkozást igénylő problémák megkülönböztetésére
• ▹Python-szkriptelés és SQL használata mélyreható adatprofilozáshoz és gyökérok-vizsgálatokhoz a Workday és Snowflake adatvagyonon
• ▹Újrahasználható vizsgálati eszközkészletek és diagnosztikai szkriptek fejlesztése a gyökérok-elemzés felgyorsítására
• ▹Szervezeti klónozási és adatszabványosítási kezdeményezések támogatása ténybizonyítás-gyűjtéssel és adatprofilozással
• ▹Adatelemzés és -leképezés végrehajtása Workday-optimalizációs és egyéb releváns projektekhez
• ▹Automatizált Skills és Job Architecture adatminőségi pipeline-ok tervezése és kiépítése Pythonban, a Data Foundation (Snowflake) rendszerébe integrálva