Adatminőségi és AI-készültségi termékelemző

Stack

Feladatok

• ▹A Skills és Job Architecture adatminőségi problémák hatásának felmérése és dokumentálása a bérszámfejtésre, a vezetői riportokra, a harmadik feles integrációkra és az AI/gépi tanulási modellek bemeneteire
• ▹A globális adatszabványok folyamatos alkalmazásának nyomon követése régiók, üzleti egységek és funkcionális csapatok között, kiemelt fókusszal a Skills és Job Architecture taxonómia adatkonzisztenciáján a Workday-ben
• ▹Strukturált gyökérok-elemzések végzése az elszigetelt hibák és a rendszerszintű problémák megkülönböztetésére
• ▹Python szkriptelés és SQL használata mélyreható adatprofilozáshoz és gyökérok-vizsgálatokhoz a Workday és Snowflake adatvagyonokon
• ▹Újrafelhasználható vizsgálati eszköztárak és diagnosztikai szkriptek fejlesztése a gyökérok-elemzés gyorsítására
• ▹Szervezeti klónozási és adatszabványosítási kezdeményezések támogatása tényalapú vizsgálattal, bizonyítékgyűjtéssel és adatprofilozással
• ▹Adatelemzés és -leképezés végrehajtása a Workday Optimization és más releváns projektekhez
• ▹Automatizált Skills és Job Architecture adatminőségi pipeline-ok tervezése és fejlesztése Pythonban, nagy léptékű validáláshoz, profilozáshoz és monitorozáshoz, a Data Foundationba (Snowflake) integrálva