Saaf Finance
Saaf Finance
تطوّر Saaf Finance برمجيات اكتتاب مدعومة بالذكاء الاصطناعي لمقرضي الرهن العقاري. وتستخدم منصتها تقنية التعرف الضوئي على الحروف، ونماذج اللغة الكبيرة، والاتصال بمزوّدي البيانات وأنظمة إنشاء القروض، لتنظيم معلومات القروض ودعم الاكتتاب في منتجات تشمل القروض غير المؤهلة التقليدية (Non-QM)، وقروض RTL، وخطوط ائتمان العقارات السكنية (HELOC)، والقروض المعتمدة على نسبة تغطية خدمة الدين (DSCR)، والقروض الكبرى (Jumbo)، والقروض القائمة على كشوف الحسابات المصرفية. وبالاستناد إلى مجموعة بيانات تضم، وفقاً لما ذكرته الشركة، أكثر من 200,000 قرض، تهدف المنصة إلى مساعدة فرق عمليات الرهن العقاري والسوق الثانوية على تقييم الملفات، ورصد مخاطر الاحتيال، ومعالجة القروض بكفاءة أكبر. وتصف الشركة برنامجها بأنه يعزز عمل متعهدي الاكتتاب بدلاً من أن يحل محلهم.

مهندس بيانات أول – صاف للتمويل (عن بُعد، الهند)

أنشئ خطوط بيانات ومستودعات وسير عمل مدعومًا بالذكاء الاصطناعي لمنصة الرهن العقاري لدى صاف للتمويل. ادعم الاكتتاب المتوافق مع المتطلبات، والأتمتة، والعمليات القائمة على البيانات.

الوصف

  • طوّر خطوطًا لمعالجة البيانات المهيكلة وغير المهيكلة من مصادر داخلية وخارجية وصُنها.
  • استخدم أدوات تطوير الذكاء الاصطناعي لتسريع إنشاء خطوط البيانات، وتوليد منطق التحويل، وأتمتة الشيفرات الروتينية.
  • أنشئ مستودعات بيانات ومتاجر بيانات وحسّنها لتلبية احتياجات التحليلات والتقارير والمنتجات.
  • صمّم نماذج البيانات المفاهيمية والمنطقية والمادية وصُنها.
  • أدخل البيانات من واجهات API ومنتجات SaaS والأنظمة الداخلية إلى المنصة الأساسية.
  • صُن الموصلات وأطر استيعاب البيانات الموثوقة القادرة على التعامل مع تغييرات المخطط وحدود المعدل والإخفاقات.
  • أنشئ آليات للتحقق وضوابط للمخططات ووثائق تدعم جودة البيانات والامتثال.
  • استخدم أدوات الذكاء الاصطناعي لتنميط البيانات واكتشاف الحالات الشاذة وأتمتة توثيق نسب البيانات والتحويلات.
  • قيّم أدوات الذكاء الاصطناعي الجديدة وادمجها في ممارسات تطوير البيانات لدى الفريق.
  • طوّر سير عمل قائمًا على الوكلاء وأتمتة متعددة الخطوات باستخدام بيانات آنية وادعمها.
  • استخدم التحليل بمساعدة الذكاء الاصطناعي للتحقيق في أعطال خطوط البيانات وتحسين أداء الاستعلامات واكتشاف مشكلات جودة البيانات.
  • تابع أداء خطوط البيانات ومستودعاتها واضبطه لتحقيق قابلية التوسع وكفاءة التكلفة.
  • اضبط التسجيل والمراقبة والتنبيهات لمهام البيانات.
  • طبّق ضوابط أمن البيانات والخصوصية التي تستوفي المتطلبات التنظيمية المالية.
  • وفّر مجموعات بيانات موثوقة ومتسقة للمحللين ومديري المنتجات وفرق العمليات.
  • تعاون مع مديري المنتجات وعلماء البيانات ومهندسي البرمجيات متعددي المكدس لمواءمة نماذج البيانات مع احتياجات الأعمال.

المتطلبات

  • امتلك خبرة لا تقل عن خمس سنوات في هندسة البيانات أو في دور مشابه يركز على بيانات الأنظمة الخلفية.
  • تمتع بمهارات قوية في SQL وPython لتحويل البيانات وأتمتتها.
  • امتلك خبرة بأطر ETL/ELT الحديثة مثل dbt.
  • أتقن منصات الحوسبة السحابية، ويفضل AWS، وخدمات البيانات بلا خوادم.
  • امتلك خبرة واسعة بمستودعات البيانات، ويفضل Snowflake.
  • تمتع بمهارة في تكامل واجهات API واستيعاب البيانات من أنظمة الجهات الخارجية.
  • أتقن أساليب نمذجة البيانات مثل Kimball ومخطط النجمة وData Vault.
  • استخدم بانتظام أدوات البرمجة المدعومة بالذكاء الاصطناعي مثل Cursor أو GitHub Copilot أو Claude Code لتسريع تطوير خطوط البيانات أو تصحيحها أو توثيقها.
  • سبق أن سلّمت خطوط بيانات بمستوى الإنتاج وعلى نطاق واسع.
  • طبّقت ممارسات CI/CD لسير عمل البيانات.
  • تعاونت عن كثب مع مديري المنتجات وعلماء البيانات ومهندسي البرمجيات متعددي المكدس.
  • كن عمليًا واسع الحيلة ومرتاحًا للعمل في بيئة شركة ناشئة سريعة الإيقاع.
  • مفضل: خبرة في بناء سير عمل قائم على الوكلاء وتنسيق أتمتة متعددة الخطوات على بيانات آنية.
  • مفضل: إلمام بأنماط هندسة البيانات والبنية التحتية للأدوات المدعومة بالذكاء الاصطناعي ومنصات الأتمتة.
  • مفضل: خبرة بمجموعات البيانات المالية وواجهات API في بيئة شديدة التنظيم.
  • مفضل: فهم لوائح خصوصية البيانات مثل GDPR وCCPA.
  • مفضل: خبرة في هندسة الأوامر لتوليد الشيفرات أو تحويل البيانات أو سير عمل البيانات المدعوم بالذكاء الاصطناعي.

المزايا

  • أجر تنافسي.
  • إجازة مدفوعة غير محدودة.
  • عمل عن بُعد في المقام الأول مع ساعات مرنة.
  • ما يصل إلى 2,000 دولار سنويًا للتطوير المهني.
  • مخصص لتجهيز مكتب منزلي.