A dLocal fintech vállalat, amely fizetési infrastruktúrát épít a feltörekvő piacokon ügyfeleket kiszolgáló globális vállalkozások számára. Platformja több mint 40 ország helyi fizetési módjait és pénznemeit egyesíti, szolgáltatásai pedig magukban foglalják a bejövő és kimenő kifizetéseket, valamint a valós idejű csaláskezelést. A határokon átnyúló tranzakciók egyszerűsítésével a dLocal segít az e-kereskedelemben, a megosztáson alapuló gazdaságban, a digitális médiában, a pénzügyi szolgáltatásokban és más ágazatokban működő vállalkozásoknak elérni a fogyasztókat Afrikában, Ázsiában, Latin-Amerikában és más gyorsan növekvő piacokon.
Senior adat- és mesterségesintelligencia-architekt — dLocal, Montevideo, hibrid
Vezesse a dLocal globális fintech adat- és analitikai architektúráját. Határozza meg a szabályozott data mesh, streaming, lakehouse, szemantikai, felhő- és MLOps-platformokat.
Leírás
- A dLocal adat- és analitikai architektúrájának műszaki irányának meghatározása
- Skálázható, szabályozott és hozzáférhető adaté ökoszisztéma kialakítása a Data & AI és a mérnöki területek összekapcsolásával
- A domainadat-termékek összekapcsolása valós idejű platformokkal, analitikai munkaterhelésekkel, gépi tanulási alkalmazásokkal és üzleti felhasználással
- Vállalati architektúrák meghatározása kötegelt, streaming-, lakehouse-, adattárházi és operatív adatkezelési felhasználási esetekhez
- RFC-k áttekintése és az architektúrák támogatása adatarchitektúrával kapcsolatos döntésekben
- A data mesh bevezetésének előmozdítása domainfelelősségen, adattermékeken, federált irányításon, önkiszolgáló platformokon, felderíthetőségen, minőségen és SLA-kon keresztül
- Referenciaarchitektúrák és mérnöki szabványok létrehozása adattermékekhez, adatfolyamokhoz, adatbetöltéshez, tároláshoz, feldolgozáshoz, orchestrációhoz, megfigyelhetőséghez, adatszármazáshoz, biztonsághoz és hozzáféréshez
- Streamingplatformok tervezése és irányítása Kafka, Kinesis, Flink, Spark Structured Streaming és Databricks használatával
- Eseményfeldolgozási gyakorlatok kialakítása sémákhoz, szerződésekhez, eseményidőhöz, késő adatokhoz, idempotenciához, duplikációk megszüntetéséhez, újrajátszáshoz, újrafeldolgozáshoz, dead-letter kezeléshez és frissességi SLA-khoz
- Domainokon átívelő szemantikai rétegek és vállalati ontológiák fejlesztése
- Irányadás felhőalapú adatplatformokhoz és lakehouse-képességekhez AWS- és GCP-környezetben
- Az MLOps- és feature-platform-képességek architekturális irányának meghatározása
- Architekturális RFC-k, műszaki döntések, tervfelülvizsgálatok, migrációs stratégiák és szállítási ütemtervek vezetése vagy támogatása
- Együttműködés a domaincsapatokkal a tulajdonjog, a termékfelelősségek, az üzemeltetési átadás, a minőség, a hozzáférési jóváhagyások és a domainek közötti használat terén
- Védelmi intézkedések meghatározása az adatminőség, a megfigyelhetőség, az adatvédelem, a biztonság, az ellenálló képesség, a költségkontroll és az éles üzemre való felkészültség érdekében
- Kritikus architekturális problémák kezelése a csapatok között, valamint a döntések végigvitele a megvalósításon és az üzemeltetésen
- Mentorálás adatbázis-mérnökök, platformcsapatok, adattudósok, MLOps-mérnökök, BI-csapatok és mérnöki vezetők számára
- Az architekturális jövőkép kommunikálása és a tervek éles környezetben történő validálása
Követelmények
- Legalább 8–10 év tapasztalat skálázható adatarchitektúrák tervezésében és üzemeltetésében, lehetőleg összetett vállalati vagy gyorsan növekvő környezetben
- Erős szakértelem a data mesh architektúrában és működési modellekben, beleértve a domainfelelősséget, az adattermékeket, a federált irányítást, az önkiszolgáló platformokat, a szerződéseket, a minőséget és a felderíthetőséget
- Mély tapasztalat streaming- és eseményvezérelt rendszerekkel, beleértve a Kafkát vagy a Kinesist, valamint egy olyan feldolgozó motort, mint a Flink vagy a Spark Structured Streaming
- Tapasztalat valós idejű és közel valós idejű munkaterhelések tervezésében késleltetésméréssel, eseményidő-szemantikával, késő adatokkal, állapottal, duplikációk megszüntetésével, idempotenciával, újrajátszással és hibakezeléssel
- A szemantikai rétegek, üzleti ontológiák, kanonikus modellek, tudásgráfok vagy metaadatmodellek, metrikadefiníciók és szemantikai irányítás ismerete
- Magas szintű tudás az adatmodellezés, a data lake- és lakehouse-minták, az adattárháztervezés, az adatfolyamok, az adattermékek, a metaadatok, az adatszármazás és az adatkezelési technológiák terén
- Tapasztalat AWS- és/vagy GCP-adatplatformokkal; a Databricks, a Unity Catalog, a Delta Lake, az Iceberg vagy hasonló technológiák ismerete előnyt jelent
- A Spark, az Airflow, a dbt, a Kafka, a Python, az SQL, a CI/CD, az infrastruktúra mint kód és a megfigyelhetőségi eszközök magabiztos használata
- MLOps-, feature store-, online és offline kiszolgálási vagy más alacsony késleltetésű gépitanulási-adatrendszerek architekturális tervezésének vagy támogatásának tapasztalata
- Keretek kialakításának képessége az adathozzáférés, az adatgazdai felelősség, az irányítás, az adatvédelem, a biztonság, a minőség és az üzemeltetési elszámoltathatóság terén
- A megbízhatóság, a skálázhatóság, a teljesítmény, az ellenálló képesség, a költség és a szállítói függőség közötti kompromisszumok megértése
- Kiváló érdekeltfél-kezelési, kommunikációs, facilitációs és befolyásolási készségek
- Kockázat, bizonytalanság és konfliktus kezelése döntések meghozatala és indoklása mellett
- Önálló és proaktív munkavégzés, jó ítélőképességgel annak megítélésében, mikor kell véleményt kérni és mikor kell továbblépni
Juttatások
- A szerepkörtől és a helyszíntől függően rugalmas munkarendek és munkavégzési lehetőségek, amelyek az önállóan szervezett fókuszidőt a személyes együttműködési központokban végzett közös munkával egyensúlyozzák
- Munkalehetőség a fintech iparágban
- Munkavállalói ajánlási bónuszprogram
- Lehetőség arra, hogy évente legfeljebb három hónapig utazás közben a világ bármely pontjáról dolgozzon