Ang 73 Strings ay isang pandaigdigang fintech company na bumubuo ng teknolohiyang augmented intelligence para sa pagsusuri, pagpapahalaga, at pagsubaybay ng mga illiquid asset. Pinagsasama ng platform nito ang pagkuha ng datos, pagsubaybay sa portfolio, at mga daloy ng trabaho sa valuation upang matulungan ang mga manager ng alternatibong asset na gawing napapanahon at naaaksyunan ang kumplikadong datos sa pananalapi. Naglilingkod ang kumpanya sa mga kompanya sa private equity, venture capital, private credit, at imprastraktura, at sinusuportahan ang mas episyente at mas mahusay na prosesong pampagpapahalaga sa pamamagitan ng AI-driven analytics.
Senior Data Engineer - Hybrid sa London
Pangunahing manguna sa pagdisenyo at pagpapatakbo ng mga Azure data pipeline at warehouse para sa private-capital valuation platform ng 73 Strings. Pangasiwaan ang ingestion, transformation, data quality, CI/CD, at paghahatid ng data sa mga kliyente.
Paglalarawan
- Hubugin ang arkitektura ng platform sa ingestion, processing, at delivery
- Bumuo at magpatakbo ng batch at streaming pipeline mula sa mga database, API, event stream, at semi-structured data
- Ipatupad ang change data capture at incremental loading na may suporta para sa ordering, deletes, replay, at slowly changing dimensions
- Lumikha ng mga medallion-layer dataset at dimensional data model
- Maghatid ng data sa Snowflake, Microsoft SQL Server, at Databricks
- Ipatupad ang mga data contract, reconciliation, at row-level quarantine bago ang publication
- Pamahalaan ang GitHub workflow at CI/CD, kabilang ang testing, code review, environment promotion, at infrastructure-as-code deployment
- Mag-diagnose at lutasin ang mga production data failure
- Isalin ang mga pangangailangan ng produkto, valuation, at client team sa maaasahang operational pipeline
Mga Kinakailangan
- Hindi bababa sa 10 taong karanasan sa pag-engineer ng mga production data system
- Malawak na hands-on na kasanayan sa Snowflake o Databricks bilang pangunahing platform, kabilang ang data modelling, performance tuning, at cost control
- Matibay na kasanayan sa Python at SQL para sa pagbuo at pagsubok ng mga pipeline
- Karanasan sa change data capture at event processing, kabilang ang ordering, replay, at schema evolution
- Praktikal na karanasan sa Azure, kabilang ang Databricks, ADLS, at private network connectivity
- Karanasan sa pamamahala ng data workload gamit ang GitHub at CI/CD, sa pamamagitan ng GitHub Actions o katumbas na sistema
- Karanasan sa data quality, reconciliation, monitoring, at pagtugon sa production incident
- Karanasan sa paglikha ng secure na multi-tenant data platform na may tenant isolation, access control, at data protection
- Kayang direktang makipagtulungan sa mga technical team ng kliyente at makipag-ugnayan sa field engineering, product, at iba pang stakeholder
- Ninanais: Karanasan sa Databricks Lakeflow, Auto CDC, Declarative Automation Bundles, at DQX, o mga katumbas sa Snowflake gaya ng Dynamic Tables, Streams and Tasks, Snowpark, Snowflake CLI deployments, at Data Metric Functions
- Ninanais: Karanasan sa Debezium, Kafka Connect, o Confluent Kafka
- Ninanais: Karanasan sa Apache Airflow o katumbas na workflow orchestrator
- Ninanais: Karanasan sa Kafka o Spark Structured Streaming, Apache Iceberg o Delta Sharing, at dbt
- Ninanais: Karanasan sa private-markets data na may kinalaman sa valuations, funds, portfolio companies, o capital activity
Mga Benepisyo
- Isang suportadong kapaligiran sa trabaho
- Kulturang nakatuon sa inobasyon at kolaborasyon
- Malawak na pagkakataong manguna at magkusa
- Patuloy na mga pagkakataon para matuto