Walmart ni kampuni ya kimataifa ya rejareja na biashara ya kielektroniki inayowahudumia watumiaji kupitia maduka makubwa, maduka ya idara yenye punguzo, maduka ya vyakula na soko la mtandaoni. Ofa yake pana ya bidhaa inaungwa mkono na mtandao mkubwa wa maduka halisi, shughuli za moja kwa moja kwa watumiaji, pamoja na mifumo ya usafirishaji na mnyororo wa ugavi inayohitajika kusafirisha bidhaa katika biashara nzima.
Mhandisi Mwandamizi wa Data - Bangalore, India (Ofisini)
Jenga mabomba ya batch na utiririshaji yanayoweza kupanuka pamoja na bidhaa za data za GenAI kwa shughuli za ukaguzi wa baada ya malipo za Walmart. Boresha usahihi wa malipo, upatanishaji, michakato ya urejeshaji, na uchanganuzi wa fedha.
Maelezo
- Jenga na udumishe mabomba ya batch, utiririshaji, na karibu wakati halisi yanayoweza kupanuka kwa ukaguzi wa baada ya malipo, uadilifu wa malipo, upatanishaji wa wasambazaji, shughuli za urejeshaji, na uchanganuzi wa fedha.
- Tengeneza seti za data zilizoratibiwa, miundo ya kisemantiki, majedwali yaliyo tayari kwa vipengele, na bidhaa za data zinazoweza kutumika tena kutoka kwa mifumo ya ankara, maagizo ya ununuzi, upokeaji, wasambazaji, madai, bei, na malipo.
- Unda mtiririko wa kazi wa ELT, ETL, na utiririshaji kwa kutumia SQL, Python, PySpark, Apache Flink, dbt, zana za uandaaji, majukwaa ya utiririshaji wa matukio, na teknolojia za data za wingu.
- Tengeneza mabomba ya utiririshaji na change-data-capture yenye uchakataji wa wakati wa tukio, ushughulikiaji wa data iliyochelewa, uwezo wa kucheza tena, idempotency, kujaza data za nyuma, na urejeshaji wa hitilafu.
- Buni na uendeshe bidhaa za data za lakehouse kwa kutumia Apache Hudi, Apache Iceberg, au Delta Lake.
- Weka ukaguzi wa ubora wa data, vidhibiti vya upatanishaji, uthibitishaji wa schema, ufuatiliaji wa asili ya data, ufuatiliaji, tahadhari, na mbinu za observability.
- Shirikiana na timu za Fedha, Ukaguzi, Uendeshaji, Bidhaa, Sayansi ya Data, na Uhandisi ili kutoa suluhisho za data zilizo tayari kwa uzalishaji.
- Wezesha ugunduzi wa hitilafu, upangaji wa kipaumbele wa tofauti, sheria za ukaguzi, upangaji wa alama za kujifunza kwa mashine, na mtiririko wa kazi wa GenAI.
- Unda otomatiki na huduma za data zinazosaidia timu za ukaguzi kufupisha ushahidi, kupanga tofauti kwa triage, kutoa muktadha wa uchunguzi, na kupunguza ukaguzi wa mikono.
- Tekeleza mifumo ya uhandisi wa data ya GenAI kama vile hifadhi za hati zilizo tayari kwa retrieval, mabomba ya embedding, miunganisho ya hifadhidata za vekta, uboreshaji wa metadata, na upataji wa maarifa unaosimamiwa.
- Boresha mizigo ya kazi ya batch na utiririshaji kwa uaminifu, upya wa data, ucheleweshaji, usimamizi wa hali, ufanisi wa kompyuta, na matumizi ya mifumo ya chini.
- Chunguza tofauti za data, hitilafu za mabomba, kutolingana kwa upatanishaji, na masuala ya mifumo chanzo kupitia uchanganuzi wa chanzo kikuu.
Mahitaji
- Shahada ya kwanza katika Sayansi ya Kompyuta, Uhandisi, Teknolojia ya Habari, Uhandisi wa Data, Uchanganuzi, Hisabati, Takwimu, au taaluma inayohusiana pamoja na uzoefu wa miaka 6 au zaidi; au shahada ya uzamili yenye miaka 4 au zaidi, au PhD yenye uzoefu wa miaka 3 au zaidi katika eneo husika.
- Uwezo uliothibitishwa wa kufanya kazi moja kwa moja na SQL, Python, PySpark, Apache Flink au mfumo unaolingana wa uchakataji wa mitiririko, pamoja na uchakataji wa data iliyosambazwa kwa kiwango kikubwa.
- Uzoefu wa dbt au mfumo unaolingana wa mabadiliko, Airflow au zana zinazofanana za uandaaji, Kafka au jukwaa linalolingana la utiririshaji wa matukio, na teknolojia za data za wingu au biashara kama BigQuery, Hive, au Spark.
- Rekodi ya kubuni, kupeleka, na kusaidia mabomba ya batch na utiririshaji ya uzalishaji, mitiririko ya kazi ya ELT/ETL, miundo ya data, na bidhaa za data zinazoweza kutumika tena.
- Ujuzi thabiti wa uundaji wa data, ugawaji, uboreshaji wa utendaji, uchakataji wa nyongeza, CDC, mageuzi ya schema, mikataba ya data, usimamizi wa metadata, asili ya data, na miundo ya lakehouse ikiwemo Apache Hudi, Apache Iceberg, au Delta Lake.
- Uzoefu wa kutoa ukaguzi wa ubora wa data, mantiki ya upatanishaji, mifumo ya uthibitishaji, observability, ufuatiliaji, tahadhari, na utatuzi wa matukio kwa mabomba ya uzalishaji.
- Uzoefu wa kuunda suluhisho za utiririshaji zenye uchakataji wa wakati wa tukio, mabadiliko yenye hali, checkpointing, watermarking, uchakataji wa exactly-once au effectively-once, na mikakati ya kucheza tena au kujaza data za nyuma.
- Uzoefu wa kushughulikia seti kubwa za data zilizopangwa na zilizopangwa kwa sehemu kutoka kwa mifumo mbalimbali ya chanzo, ikiwemo data za uendeshaji zenye fasili za biashara zisizolingana.
- Ujuzi thabiti wa ushirikiano na uwezo wa kufanya kazi katika timu za Fedha, Ukaguzi, Uendeshaji, Bidhaa, Sayansi ya Data, na Uhandisi.
- Njia mbadala za sifa za chini kabisa zinajumuisha shahada ya kwanza katika Sayansi ya Kompyuta yenye uzoefu wa miaka 3 katika uhandisi wa programu au eneo linalohusiana; uzoefu wa miaka 5 katika uhandisi wa programu au eneo linalohusiana; au shahada ya uzamili katika Sayansi ya Kompyuta yenye uzoefu wa mwaka 1 katika uhandisi wa programu au eneo linalohusiana.
- Angalau miaka 2 ya uzoefu katika uhandisi wa data, uhandisi wa hifadhidata, intelijensia ya biashara, au uchanganuzi wa biashara.
Manufaa
- Tuzo za motisha kulingana na utendaji.
- Likizo ya uzazi na likizo ya mzazi.
- Likizo yenye malipo.
- Manufaa ya afya.