Scicom Infrastructure Services
Scicom Infrastructure Services
Ang Scicom Infrastructure Services ay isang kompanya ng pagkonsulta at serbisyo sa teknolohiya na tumutulong sa mga organisasyon sa pampubliko at pribadong sektor na pamahalaan at pagbutihin ang kanilang mga kapaligiran sa IT. Saklaw ng trabaho nito ang pamamahala sa performance ng negosyo, arkitektura, pamamahala ng proyekto, pamamahala ng imprastraktura at aplikasyon, at mga managed service. Nakikipagtulungan din ang kompanya sa AppDynamics, BigPanda, Datadog, at AWS sa pagsubaybay ng performance, pag-uugnay at pag-automate ng mga event, pagsubaybay sa cloud, at pamamahala ng serbisyo sa IT. Nagbibigay ang Scicom ng buong-oras na suportang operasyonal para sa pandaigdigang imprastraktura. Inilalarawan ng profile nito ang isang pangkat na nagtatrabaho sa teknolohiyang pang-enterprise, SaaS, at B2B; tingnan ang mga kasalukuyang bakanteng trabaho para sa mga detalye tungkol sa mga posisyon at pagkuha.

Inhinyero ng Data sa Databricks, Mga Kontrata ng Data ng OCDS

Pag-ugnayin ang mga stakeholder sa pagkuha at mga pangkat ng engineering upang magtakda ng mga kontrata ng data para sa malaking programang Databricks. Bumuo ng mga pipeline at kontrol na nakaayon sa OCDS para sa maaasahan at pamantayang datos ng kontrata.

Paglalarawan

  • Pag-ugnayin ang mga pangkat sa negosyo, kontrata, pamamahala, at engineering sa isang malaking implementasyon ng Databricks.
  • Pangunahan ang mga workshop para sa mga kinakailangan kasama ang mga stakeholder sa pagkuha, programa, analytics, pamamahala, at teknikal na gawain.
  • Gumawa at magpanatili ng mga kontrata ng data na nagtatakda kung paano nagpapalitan ng datos ang mga producer at consumer.
  • Isalin ang mga pangangailangan ng negosyo tungo sa mga kuwento ng user, pamantayan sa pagtanggap, daloy ng proseso, pagmamapa, espesipikasyon ng interface, at mga kinakailangan sa engineering.
  • Suriin ang mga source system, i-profile ang datos, tasahin ang mga puwang, at imapa ang mga field ng source sa mga target na istruktura.
  • Ihambing ang kasalukuyang datos ng pagkuha sa mga istrukturang hinihingi ng OCDS.
  • Pagkaisahin ang mga may-ari ng datos, producer, consumer, arkitekto, at pangkat ng pamamahala.
  • Subaybayan ang mga kinakailangan mula sa pagmomodelo ng datos hanggang sa implementasyon, pagsubok, at pagtanggap.
  • Tasahin kung paano maaapektuhan ng mga iminungkahing pagbabago ang mga produkto ng datos, ulat, integrasyon, at gamit sa analytics.
  • Tumulong sa paghahanda at pagsasagawa ng mga pagsusuri sa backlog, pagpaplano ng sprint, demo, pagsubok, at pagtanggap ng mga stakeholder.
  • Ilapat ang OCDS sa datos ng pagkuha at pampublikong kontrata mula pagpaplano hanggang implementasyon.
  • Panatilihin ang mga pagmamapa para sa mga release, record, package, identifier, organisasyon, partido, item, milestone, dokumento, transaksyon, pagbabago, at kaugnay na elemento ng OCDS.
  • Gamitin ang mga schema, listahan ng code, tuntunin sa validation, at gabay sa implementasyon ng OCDS.
  • Tukuyin kung kailan kailangan ang mga extension ng OCDS at itala ang kaugnay na palagay, tuntunin, pagmamapa, eksepsiyon, at extension.
  • Bumuo ng mga record ng kontrata mula sa mga transactional release at tukuyin kung paano hahawakan ang mga pagbabago, update, pagkansela, pagwawasto, at pagbabago sa kasaysayan.
  • Suriin ang na-transform na datos laban sa mga JSON schema ng OCDS at ayusin ang nawawala, di-wasto, di-magkatugma, o di-sumusunod na datos ng pagkuha.
  • Paganahin ang paglalathala, pagpapalitan, pagsusuri, o panloob na paggamit ng istandardisadong datos ng kontrata.
  • Bumuo, sumubok, at magpanatili ng mga pipeline sa Databricks gamit ang Apache Spark, PySpark, Python, at SQL.
  • Ipasok at i-transform ang nakabalangkas at bahagyang nakabalangkas na datos ng pagkuha mula sa JSON, CSV, XML, Parquet, database, API, at mga file.
  • Gumawa ng mga layer na Bronze, Silver, at Gold gamit ang medallion architecture.
  • Bumuo ng mga normalisado, dimensional, analytical, at nakabatay sa OCDS na modelo ng datos.
  • Gamitin ang Delta Lake upang ipatupad at paunlarin ang mga schema, pamahalaan ang mga bersiyon, suportahan ang mga audit, at mapagkakatiwalaang magproseso ng datos.
  • Gumawa ng mga paraang magagamit muli upang gawing output na tugma sa OCDS ang pinagmulang datos ng pagkuha.
  • Bumuo ng batch at incremental na pagpasok ng datos.
  • Gamitin ang angkop na mga tool ng Databricks, kabilang ang Workflows, notebook, job, Auto Loader, Delta Live Tables, o Lakeflow.
  • Bumuo ng mga koneksiyon sa REST API para sa pagpasok mula sa source at paghahatid ng datos sa mga downstream system.
  • I-automate ang mga pagsusuri sa kalidad ng datos, pagkakasundo, pagkakumpleto, at pagsunod.
  • Tumulong sa pagpapatupad ng Unity Catalog para sa metadata, pagmamay-ari, pinagmulan ng datos, kontrol sa access, at pagtuklas ng datos.
  • Pagandahin ang mga Spark job, SQL query, cluster, partitioning, laki ng file, at ayos ng datos.
  • Makibahagi sa pagsusuri ng code, awtomatikong pagsubok, CI/CD, deployment, pagmamanman, at suporta sa produksyon.
  • Suriin ang mga pagkabigo ng pipeline, hindi pagtutugma ng datos, at problema sa performance.
  • Magtakda ng masusukat na tuntunin para sa katumpakan, pagkakumpleto, bisa, pagiging napapanahon, pagkakapare-pareho, at pagiging natatangi ng datos.
  • Gumawa ng mga kontrol sa validation para sa mga field ng OCDS, identifier, petsa, halaga, currency, organisasyon, klasipikasyon, at ugnayan ng kontrata.
  • Bumuo ng mga dashboard o ulat tungkol sa pagsunod sa kontrata ng datos at mga resulta ng kalidad ng datos.
  • Magtakda ng mga paraan upang matukoy at mapamahalaan ang pagbabago ng schema.
  • Subaybayan ang pinagmulan ng datos ng pagkuha sa mga transformasyon ng Databricks hanggang sa mga downstream na produkto.
  • Makipagtulungan sa mga pangkat ng pamamahala upang tukuyin ang mga may-ari, tagapangasiwa, klasipikasyon, pagpapanatili, at patakaran sa access.
  • Pangasiwaan ang sensitibong datos ng pagkuha at supplier ayon sa mga kinakailangan sa seguridad at privacy.
  • Panatilihin ang mga audit trail gamit ang dokumentadong tuntunin, may bersiyong pagmamapa, resulta ng validation, at kasaysayan ng pagbabago.

Mga Kinakailangan

  • Batsilyer sa computer science, information systems, data analytics, business analysis, engineering, pampublikong administrasyon, pamamahala ng supply chain, o kaugnay na disiplina.
  • Hindi bababa sa limang taon ng pinagsamang karanasan sa data engineering, data analysis, business analysis, o integrasyon ng datos.
  • Praktikal na karanasan sa pagpapatupad o paggamit ng Open Contracting Data Standard (OCDS).
  • Karanasan sa paggawa, pagdodokumento, pakikipagnegosasyon, o pagpapanatili ng mga kontrata ng datos.
  • Karanasan sa pagmamapa ng datos ng pagkuha o kontrata sa mga schema ng OCDS.
  • Malalim na kaalaman sa mga release, record, schema, listahan ng code, identifier, yugto ng kontrata, at paraan ng validation ng OCDS.
  • Hindi bababa sa tatlong taon ng aktuwal na karanasan sa Databricks.
  • Mahuhusay na kasanayan sa Apache Spark, PySpark, Python, SQL, Delta Lake, mga pipeline ng ETL/ELT, pagmomodelo ng datos, JSON at JSON Schema, REST API, validation ng kalidad ng datos, at pagmamapa mula source patungong target.
  • Karanasan sa pagkuha ng mga kinakailangan at pagsasalin ng mga ito sa praktikal na espesipikasyon sa engineering.
  • Malinaw na pakikipag-usap sa mga teknikal at di-teknikal na katuwang.
  • Karanasan sa paghahanda ng mga kuwento ng user, pamantayan sa pagtanggap, tuntunin sa negosyo, diksyunaryo ng datos, espesipikasyon ng interface, at dokumentasyon ng proseso.
  • Mahuhusay na kasanayan sa pagsusuri, pag-troubleshoot, pagpapadaloy, at dokumentasyon.
  • Karanasan sa paghahatid ng trabaho sa mga Agile team.
  • Mas gusto: karanasan sa pagkuha ng pamahalaan, kontrata ng pampublikong sektor, grant, procurement, supplier, o datos sa pananalapi.
  • Mas gusto: karanasan sa pagbuo ng mga extension ng OCDS o pag-aangkop sa OCDS ayon sa pangangailangan ng organisasyon.
  • Mas gusto: kaalaman sa mga klasipikasyon ng pagkuha, identifier ng organisasyon, bidding, paggawad ng kontrata, pagbabago, milestone, transaksyon, at pagpapatupad ng kontrata.
  • Mas gusto: sertipikasyong Databricks Certified Data Engineer Associate o Professional.
  • Mas gusto: karanasan sa Unity Catalog, Delta Live Tables, Lakeflow, Databricks Workflows, Structured Streaming, mga cloud service, Azure Data Factory, ADLS Gen2, AWS Glue, Amazon S3, Snowflake, dbt, Kafka, Airflow, Power BI, mga validator ng JSON Schema, mga awtomatikong framework para sa kalidad ng datos, metadata o pamamahala ng master data, pinagmulan ng datos, pamamahala ng reference data, CI/CD, Git, Azure DevOps, GitHub Actions, Jenkins, o Terraform.
  • Mas gusto: karanasan sa pag-aambag sa malalaking programa ng datos sa pederal, estado, lokal na pamahalaan, o regulated enterprise.
  • Mas gusto: kaalaman sa mga kinakailangan sa federal acquisition, pagkuha, pag-uulat, transparency, o open data.
  • Kayang makibahagi sa mga talakayan tungkol sa engineering at business analysis.
  • Malalim na pag-unawa sa mga kontrata ng datos at pananagutan ng producer at consumer.
  • Kayang gawing malinaw na istruktura ng datos at tuntunin sa transformasyon ang masalimuot na proseso ng pagkuha.
  • Maingat sa pagbibigay-kahulugan sa mga schema, listahan ng code, depinisyon ng negosyo, at kinakailangan sa validation.
  • Mahusay sa pagpapadaloy ng mga stakeholder at paglutas ng sigalot.
  • Kayang tuklasin ang mga puwang at kalabuan bago humantong sa mga depekto sa engineering.
  • Nakatuon sa dokumentasyon, kakayahang masubaybayan, pamamahala, at kalidad ng datos.
  • Kayang magtrabaho nang mahusay sa malaking pangkat ng Databricks na binubuo ng iba't ibang disiplina.

Mga Benepisyo

  • Hindi tinutukoy sa anunsyo ang mga benepisyo, perk, o karagdagang kompensasyon.

Mga Kaugnay na Trabaho

Walang nahanap na trabaho

Subukang ayusin o alisin ang mga filter para makahanap ng higit pang oportunidad.