职责：
- 数据运营与治理：通过稳健的治理实践，确保产品和用户事件数据的准确性、可靠性和结构；定义并执行事件跟踪、数据架构和跨团队文档的标准；定期进行审计、验证检查，并与工程和产品团队协调仪器更改。
- 数据管道开发与维护：使用如dbt、Airflow或类似框架的工具构建和维护可扩展、可观察的数据管道；监控管道健康状况，实施警报系统，并通过根本原因分析解决数据问题；优化管道性能，确保核心数据集在分析和报告中的高可用性。
- 内部工具与自动化：使用SQL、Python和轻量级Web技术开发和维护内部数据工具、实用程序和仪表板；自动化工作流程以减少手动报告并提高数据利益相关者的运营效率；创建可重用的数据模型，以支持快速迭代和自信的自助分析。
- 竞争情报与数据收集：操作和增强数据抓取工作流程，以收集有关竞争对手、定价和市场趋势的结构化信息；确保抓取系统稳定、可维护，并符合数据隐私和道德标准。
要求：
- 工程基础：精通SQL，并熟练使用Python或JavaScript构建和维护数据基础设施；具备现代数据工程工具（如dbt、Airflow、Fivetran、Dagster）的经验；熟悉版本控制（Git）、代码模块化和文档实践。
- 数据质量与治理经验：在产品分析环境（如Segment、GA4、Mixpanel）中设计或维护数据治理实践的成功记录；熟悉构建质量保证检查、异常检测和数据验证流程；熟悉数据治理教育和与数据治理相关的利益相关者管理。
- 运营思维：能够处理数据问题、调试管道故障，并确保报告和仪表板的连续性；能够设置警报/日志机制，以主动检测和响应数据问题。
- 协作与沟通：具备强大的书面和口头沟通能力，以与产品、工程和业务团队保持一致；能够将业务问题转化为工程需求，并将技术工作转化为利益相关者友好的语言。
- 优先资格：具有数据科学/机器学习的先前经验/知识；具有实际数据工程经验；了解分析工作流中的数据操作与治理；支持实验或A/B测试管道的数据经验。
我们可能会使用人工智能工具将您的简历/简历内容与职位的具体要求进行分析。目的是支持我们的招聘团队更有效地审查申请。这些工具通过提供建议来协助我们的招聘团队评估您的申请，但不会取代人类判断。最终的招聘决定由人类根据工具生成的见解和其他相关信息做出。如果您想了解有关您的个人信息如何处理的更多详细信息，请联系我们。
