EY یک شرکت خدمات حرفه‌ای جهانی است که در زمینه‌های حسابرسی، مالیات، مشاوره و خدمات advisory تخصص دارد. تیم‌های این شرکت به سازمان‌ها کمک می‌کنند با چالش‌های پیچیده کسب‌وکار روبه‌رو شوند، اعتماد به گزارشگری مالی و بازارها را تقویت کنند و با استفاده از داده و فناوری از تحول سازمانی پشتیبانی کنند.
این شرکت خدماتی از جمله مشاوره مالی شرکتی، راهبرد معاملات و مشاوره فناوری ارائه می‌دهد. EY با مشتریان فعال در حوزه‌هایی مانند سلامت، خدمات حقوقی، بازاریابی، انرژی، امور مالی و دولت همکاری می‌کند و پایداری و نوآوری در بسیاری از راهکارهای آن نقش دارند.
متخصص ارشد عملیات و مهندسی داده – حضور در محل نویدا
نقش مهندسی ارشد داده در EY با تمرکز بر پلتفرم‌های داده ابری، پایپ‌لاین‌های مقیاس‌پذیر، مهاجرت، هوش تجاری و عملیات قابل اتکا در AWS و Azure.
توضیحات
- ساخت و نگهداری پایپ‌لاین‌های داده مقیاس‌پذیر و چارچوب‌های یکپارچه‌سازی
- مدیریت و بهینه‌سازی پلتفرم‌های داده ابری، پایگاه‌های داده، انبارهای داده و مجموعه‌داده‌های تحلیلی
- هدایت طرح‌های مهاجرت، نوسازی و تبدیل داده
- همکاری با تیم‌های کسب‌وکار، تحلیل و گزارش‌دهی برای ارائه دارایی‌های داده قابل اعتماد
- حفظ کیفیت، امنیت، عملکرد، دسترس‌پذیری و تاب‌آوری عملیاتی داده
- فراهم‌کردن امکان اجرای برنامه‌های هوش تجاری، گزارش‌دهی و تحلیل سلف‌سرویس
- پایش، عیب‌یابی و بهبود عملیات و فرایندهای پلتفرم داده
شرایط لازم
- تخصص عملی در SQL، Python و/یا PySpark
- تجربه طراحی و توسعه پایپ‌لاین‌های ETL/ELT، جریان‌های داده و راهکارهای یکپارچه‌سازی
- تجربه عملی با سرویس‌های AWS مانند S3، Glue، Redshift، Lambda و Athena و/یا سرویس‌های Azure شامل ADF، Databricks، ADLS و Synapse
- درک قوی از معماری‌های انبار داده، دریاچه داده، لیک‌هاوس و مدل‌سازی بُعدی، شامل شِمای Star و Snowflake
- تجربه ارائه و پشتیبانی از پلتفرم‌های داده سازمانی برای گزارش‌دهی، تحلیل و هوش تجاری
- سابقه در مهاجرت و نوسازی داده، شامل انتقال از زیرساخت محلی به ابر و تبدیل پلتفرم‌های قدیمی
- تجربه استفاده از Spark یا Databricks برای پردازش داده در مقیاس بزرگ
- آشنایی با چارچوب‌های پردازش دسته‌ای و بلادرنگ داده
- تجربه کار با Airflow، ADF، Step Functions یا ابزارهای مشابه ارکستراسیون پایپ‌لاین
- درک قوی از کیفیت داده، اعتبارسنجی، تنظیم عملکرد و پشتیبانی عملیاتی
- تجربه پشتیبانی از پلتفرم‌های BI مانند Power BI، Tableau یا QuickSight
- آشنایی با کنترل نسخه، CI/CD و روش‌های تحویل چابک
- تجربه کار با Snowflake، Microsoft Fabric یا پلتفرم‌های مدرن مشابه داده
- آشنایی با ابزارهای جریانی مانند Kafka، Event Hub یا Kinesis
- دانش ثبت تغییرات داده، تکثیر و چارچوب‌های همگام‌سازی داده
- تجربه پیاده‌سازی زیرساخت به‌عنوان کد با Terraform، CloudFormation یا Bicep
- درک حاکمیت داده، مدیریت فراداده، تبار داده و روش‌های امنیتی
- گواهی ابری مانند AWS Data Engineer، DP-203، DP-600 یا مدرک معادل