Match Group یک شرکت فناوری جهانی است که پلتفرم‌ها و برنامه‌های دیجیتالی می‌سازد تا به افراد در ایجاد روابط و ارتباطات کمک کند. محصولات این شرکت به مخاطبان گوناگون در بیش از ۴۰ زبان خدمات ارائه می‌دهند و رویکرد گسترده آن را نسبت به دوست‌یابی آنلاین و کشف اجتماعی نشان می‌دهند. این شرکت هنگام توسعه فناوری برای افرادی که در روابط امروزی مسیر خود را پیدا می‌کنند، بر اعتماد، ایمنی، حریم خصوصی و تجربه‌های کاربری فراگیر تأکید ویژه دارد. Match Group به‌عنوان یک سازمان فناوری بین‌المللی بزرگ، فرصت‌های شغلی متنوعی در زمینه محصولات مصرفی، توسعه پلتفرم و سامانه‌هایی مرتبط با پشتیبانی از تعاملات دیجیتال امن و در دسترس ارائه می‌کند.
مهندس تحلیل، توانمندسازی داده — مچ گروپ | ترکیبی توکیو
برای Pairs، اپلیکیشن پیشرو دوست‌یابی آنلاین ژاپن، مدل‌های داده، خط لوله‌ها و لایه‌های معنایی قابل‌اعتماد بسازید. تحلیل با کمک هوش مصنوعی و تصمیم‌های کسب‌وکاری سریع‌تر و قابل‌اعتمادتر را ممکن کنید.
توضیحات
- نیازهای کسب‌وکار و تحلیل را گردآوری کنید و سپس مدل‌های داده‌ای طراحی کنید که هم افراد و هم عامل‌های هوش مصنوعی بتوانند آن‌ها را دقیقاً درک و پرس‌وجو کنند.
- یک لایه معنایی طراحی، پیاده‌سازی و 운영 کنید که تعریف معیارها و منطق محاسبه آن‌ها را برای استفاده قابل‌اعتماد عامل‌های هوش مصنوعی متمرکز کند.
- برای ساختاربندی روابط میان مفاهیم کسب‌وکار و معیارها، پایه‌های هستی‌شناسی و زمینه کسب‌وکار را ایجاد کنید.
- بر اساس مدل‌های داده طراحی‌شده، خط لوله‌های داده چندلایه را با Dagster و dbt پیاده‌سازی و 운영 کنید.
- با استفاده از DMBOK استانداردهای کیفیت داده را تعریف کنید، آزمون‌های کیفیت را خودکار کنید و شیوه‌های Data SRE، از جمله پایش و مدیریت SLI/SLO، را ارتقا دهید.
- SQL تولیدشده توسط هوش مصنوعی و دقت پاسخ‌ها را پایش و ارزیابی کنید و برای بهبود مستمر حلقه‌های بازخورد ایجاد کنید.
- فراداده را مدیریت کنید و مستندات را از طریق کاتالوگ داده به‌روز نگه دارید.
- راهنماهای استفاده از داده و کنترل‌های دسترسی را طراحی و اجرا کنید و به مسائل پایش مرتبط با داده پاسخ دهید.
- تیم‌های غیرمهندسی را توانمند کنید تا برای تحلیل روزمره داده، مستقلانه از عامل‌های هوش مصنوعی استفاده کنند.
شرایط لازم
- دانش و تجربه اثبات‌شده در درک موارد استفاده کسب‌وکار و تحلیل و طراحی و پیاده‌سازی مدل‌های داده مناسب.
- تجربه استفاده از SQL برای تحلیل و تجمیع داده در پشتیبانی از تصمیم‌های کسب‌وکار و بهبودها.
- تجربه بهینه‌سازی عملکرد پرس‌وجو و کاهش هزینه و حجم اسکن، بر پایه درک ویژگی‌های انبار داده ابری.
- تجربه حرفه‌ای در ساخت، آزمایش و 운영 خط لوله‌های داده با dbt یا چارچوب قابل‌مقایسه تبدیل داده.
- تجربه 운영 خط لوله‌های داده با یک هماهنگ‌کننده کار مانند Dagster یا Airflow.
- دانش و تجربه عملی در تعریف کیفیت داده و طراحی آزمون‌ها و پایش برای حفظ آن.
- تجربه پیاده‌سازی تحلیل داده، اسکریپت‌های پردازش یا کارها در Python.
- دانش پایه در معماری داده و حاکمیت داده.
- دانش پایه در پلتفرم‌های ابری مانند AWS یا GCP.
- توانایی برقراری ارتباط پیش‌دستانه میان تیم‌های مهندسی، مدیریت محصول، BI و کسب‌وکار، سازمان‌دهی مسائل و ایجاد اجماع.
- تسلط ژاپنی در سطح کسب‌وکار یا بالاتر.