工作总结
寻求一名高级数据工程师，负责设计和构建客户的数据仓库和分析平台，以支持我们的SaaS产品中的嵌入式自助分析。
该职位专注于让客户能够通过仪表板、报告和交互式分析安全且直观地访问他们的数据，而无需依赖外部BI工具或自定义提取。
您将负责数据仓库的架构和实施，确保其支持高性能、多租户分析、强大的治理以及未来的AI驱动功能。
主要职责
嵌入式分析和数据平台
在多租户SaaS环境中架构和实施优化的嵌入式分析数据仓库。
设计直观、文档齐全且适合客户自助分析的数据模型。
直接在客户应用程序中支持交互式仪表板、参数化报告和临时探索。
确保面向客户的分析具有低延迟查询性能和可预测的行为。
数据建模和客户语义
定义和维护业务友好的语义层，将复杂的调度逻辑抽象为可理解的指标和维度。
标准化关键指标的定义（例如，人员配备水平、加班时间、合规例外）。
在灵活性和防护措施之间取得平衡，以防止最终用户误用或误解数据。
与产品和UX团队合作，确保数据结构与客户工作流程一致。
数据管道和可靠性
构建和运营可靠的ETL/ELT管道，将操作调度数据转换为分析就绪的数据集。
管理增量加载、历史快照和缓慢变化的维度。
实施数据验证、新鲜度监控和自动警报。
根据需要支持批处理和近实时分析用例。
多租户、安全性和治理
设计数据隔离策略，以确保严格的租户分离和安全的访问控制。
实施基于角色的访问和行级安全性，以支持不同的客户权限。
定义符合公共部门期望的数据保留和可审计性标准。
确保遵守内部安全政策和客户合同要求。
AI和高级分析准备
确保数据平台支持AI和机器学习需求，包括特征提取、历史数据集和标记数据。
支持未来的用例，如预测、异常检测和智能调度建议。
公开可重用的分析数据集用于模型训练和推理。
AI平台特征智能
将操作工作流（调度、覆盖、加班、疲劳、休假）转化为机器可学习的表示，确保模型反映现实世界的公共安全约束和决策逻辑。
为AI驱动的产品内体验奠定基础，包括对话分析、预测洞察和直接嵌入核心调度工作流的推荐界面。
协作与平台演进
与应用工程师合作，将分析无缝集成到InTime UI中。
与产品管理紧密合作，优先考虑能为客户带来价值的分析功能。
记录数据模型、指标和最佳实践，供内部和外部使用。
帮助定义长期数据平台战略和技术标准。
所需资格
7年以上数据工程、分析工程或类似角色的经验。
在设计支持面向客户分析的数据仓库方面有丰富经验。
高级SQL技能和现代数据仓库（Snowflake、BigQuery、Redshift、Databricks）的实际操作经验。
熟练使用Python进行数据转换和管道开发。
支持多租户SaaS数据架构的经验。
对数据建模、性能优化和成本管理有扎实的理解。
具有嵌入式分析平台或语义层的经验。
熟悉行级安全性、租户隔离和分析治理。
接触过AI/ML数据需求或特征存储概念。
有时间序列或操作分析经验。
具有劳动力管理、调度或公共部门软件背景者优先。
