dLocal to firma fintechowa tworząca infrastrukturę płatniczą dla globalnych przedsiębiorstw obsługujących klientów na rynkach wschodzących. Jej platforma łączy lokalne metody płatności i waluty w ponad 40 krajach, oferując obsługę płatności przychodzących i wypłat oraz zarządzanie oszustwami w czasie rzeczywistym. Usprawniając transakcje transgraniczne, dLocal pomaga firmom z sektora e-commerce, gospodarki współdzielenia, mediów cyfrowych, usług finansowych i innych branż docierać do konsumentów w Afryce, Azji, Ameryce Łacińskiej oraz na innych szybko rozwijających się rynkach.
Starszy architekt danych i AI — dLocal, Montevideo, praca hybrydowa
Kieruj globalną architekturą danych i analityki dLocal w branży fintech. Wyznaczaj kierunek dla zarządzanej data mesh, przetwarzania strumieniowego, lakehouse, semantyki, chmury i platform MLOps.
Opis
- Wyznaczać kierunek techniczny architektury danych i analityki dLocal
- Tworzyć skalowalny, zarządzany i dostępny ekosystem danych obejmujący Data & AI oraz zespoły inżynieryjne
- Łączyć domenowe produkty danych z platformami czasu rzeczywistego, obciążeniami analitycznymi, aplikacjami uczenia maszynowego i wykorzystaniem danych przez biznes
- Definiować architektury korporacyjne dla przetwarzania wsadowego i strumieniowego, lakehouse, hurtowni oraz operacyjnych przypadków użycia danych
- Przeglądać RFC i doradzać architektom w zakresie decyzji dotyczących architektury danych
- Wspierać wdrażanie data mesh poprzez odpowiedzialność domen, produkty danych, federacyjne zarządzanie, platformy samoobsługowe, wykrywalność, jakość i SLA
- Tworzyć architektury referencyjne i standardy inżynieryjne obejmujące produkty danych, potoki, pozyskiwanie, przechowywanie, przetwarzanie, orkiestrację, obserwowalność, lineage, bezpieczeństwo i dostęp
- Projektować i zarządzać platformami przetwarzania strumieniowego z użyciem Kafka, Kinesis, Flink, Spark Structured Streaming i Databricks
- Ustanawiać praktyki przetwarzania zdarzeń dotyczące schematów, kontraktów, czasu zdarzeń, opóźnionych danych, idempotencji, deduplikacji, odtwarzania, ponownego przetwarzania, obsługi dead letter i SLA świeżości danych
- Rozwijać międzydomenowe warstwy semantyczne i ontologie korporacyjne
- Wyznaczać kierunek rozwoju chmurowych platform danych i możliwości lakehouse w AWS i GCP
- Wyznaczać kierunek architektoniczny dla MLOps i platform cech
- Prowadzić lub wspierać RFC architektoniczne, decyzje techniczne, przeglądy projektów, strategie migracji i plany wdrożeń
- Współpracować z zespołami domenowymi w zakresie odpowiedzialności, obowiązków produktowych, przekazania do utrzymania, jakości, zatwierdzania dostępu i zastosowań międzydomenowych
- Definiować zabezpieczenia jakości danych, obserwowalności, prywatności, bezpieczeństwa, odporności, kontroli kosztów i gotowości produkcyjnej
- Rozwiązywać krytyczne problemy architektoniczne między zespołami i doprowadzać decyzje do realizacji oraz utrzymania
- Mentorować inżynierom danych, zespołom platformowym, data scientistom, inżynierom MLOps, zespołom BI i liderom inżynieryjnym
- Komunikować wizję architektury i weryfikować projekty na produkcji
Wymagania
- Mieć 8–10 lub więcej lat doświadczenia w projektowaniu i utrzymywaniu skalowalnych architektur danych, najlepiej w złożonych środowiskach korporacyjnych lub szybko rozwijających się firmach
- Wykazywać się dużą znajomością architektury data mesh i modeli operacyjnych, w tym odpowiedzialności domen, produktów danych, federacyjnego zarządzania, platform samoobsługowych, kontraktów, jakości i wykrywalności
- Mieć głębokie doświadczenie w systemach strumieniowych i sterowanych zdarzeniami, w tym z Kafka lub Kinesis oraz silnikiem przetwarzania takim jak Flink lub Spark Structured Streaming
- Mieć doświadczenie w projektowaniu obciążeń czasu rzeczywistego i niemal rzeczywistego obejmujących pomiar opóźnień, semantykę czasu zdarzeń, opóźnione dane, stan, deduplikację, idempotencję, odtwarzanie i odzyskiwanie po awariach
- Rozumieć warstwy semantyczne, ontologie biznesowe, modele kanoniczne, grafy wiedzy lub modele metadanych, definicje metryk i zarządzanie semantyczne
- Posiadać ekspercką wiedzę z zakresu modelowania danych, wzorców data lake i lakehouse, projektowania hurtowni, potoków, produktów danych, metadanych, lineage i technologii zarządzania danymi
- Mieć doświadczenie z platformami danych AWS i/lub GCP; znajomość Databricks, Unity Catalog, Delta Lake, Iceberg lub porównywalnych technologii będzie atutem
- Biegle posługiwać się Spark, Airflow, dbt, Kafka, Pythonem, SQL, CI/CD, infrastrukturą jako kodem i narzędziami obserwowalności
- Mieć doświadczenie w projektowaniu lub wspieraniu MLOps, feature store, obsługi online i offline lub innych niskolatencyjnych systemów danych uczenia maszynowego
- Potrafić ustanawiać zasady dostępu do danych, stewardship, governance, prywatności, bezpieczeństwa, jakości i odpowiedzialności operacyjnej
- Rozumieć kompromisy związane z niezawodnością, skalowalnością, wydajnością, odpornością, kosztami i uzależnieniem od dostawcy
- Wykazywać się doskonałymi umiejętnościami zarządzania interesariuszami, komunikacji, facylitacji i wywierania wpływu
- Swobodnie zarządzać ryzykiem, niejednoznacznością i konfliktami, podejmując oraz wyjaśniając decyzje
- Pracować samodzielnie i proaktywnie, trafnie oceniając, kiedy zasięgnąć opinii, a kiedy działać
Benefity
- Elastyczne godziny i formy pracy, łączące samodzielny czas na koncentrację ze współpracą stacjonarną w biurach, zależnie od roli i lokalizacji
- Możliwość pracy w branży fintech
- Program premii za polecenia pracowników
- Możliwość pracy z dowolnego miejsca podczas podróży trwających do trzech miesięcy w roku