欧洲初级至中级分析工程师(混合办公)
为 Ecommpay 的全球支付业务构建可靠的 SQL、Python 和 Looker 数据基础。支持统一的业务指标和内部 AI 应用。
描述
- 创建并改进分析数据层
- 使用维度模型和星型架构构建数据集市
- 确定数据粒度并定义业务实体
- 构建并维护由 Airflow 编排的 SQL 和 Python 转换流程
- 使用 LookML 开发 Looker 语义层
- 为指标和维度制定统一定义
- 添加数据质量测试,监控数据时效性和完整性,并配置告警
- 记录数据模型、指标和数据血缘
- 与业务团队、分析师和数据工程师合作,将需求转化为各方认可的模型和指标定义
- 使用 AI 工具开发、重构、测试和记录代码
- 为内部 AI 应用和 LLM 智能体准备可靠的数据和上下文
- 协助建立用于指导 Ecommpay 决策的指标、模型和质量标准;Ecommpay 是一家全球金融科技与支付公司
任职要求
- 至少两年分析工程或相关数据岗位的实际工作经验
- 具备扎实的 SQL 技能,包括 CTE、窗口函数、查询优化和执行计划解读;有 Vertica、MySQL 或 MSSQL 使用经验者优先
- 具备分析型数据建模经验,包括 Kimball 方法、缓慢变化维度、事实表和维度表
- 具备扎实的 Python 技能,能够使用模块、配置和可复用函数编写整洁、易维护的代码
- 有 Airflow 或 Dagster、Prefect、Luigi 等同类编排工具的使用经验
- 有 BI 工具使用经验,并了解数据模型对仪表板的影响
- 了解 Git、代码审查以及 Linux 或 Bash 基础知识
- 有使用 Claude Code、Codex、Copilot 或 Cursor 等 AI 编程助手的实际经验
- 能够批判性评估 AI 生成的代码,包括其逻辑、连接方式和数据粒度
- 有信心与业务利益相关者合作,定义衡量方式并澄清需求
- 英语水平达到 B1 或以上
- 掌握 LookML 或其他语义层经验者优先
- 有 dbt 或类似方法的使用经验者优先
- 熟悉 Great Expectations、Soda 或 Elementary 等数据质量和可观测性工具者优先
- 有配置 AI 智能体和仓库说明文件(如 CLAUDE.md 或 AGENTS.md),并将 MCP 连接到数据仓库或 BI 系统的经验者优先
- 有 Kafka 或 NoSQL 经验(包括 Elastic)者优先
- 能够阅读 PHP 代码以理解源系统逻辑者优先
福利待遇
- 可使用 Ecommpay 内部学院
- 相关培训和课程
- 外部学习的资金支持
- 根据所在地提供远程或混合办公安排
- 灵活自主的工作安排
- 与国际团队协作
- 可应要求提供支持和替代格式的职位信息
