תחומי אחריות עיקריים:

· בנייה של שכבות סמנטיות: תכנון ופריסה של שכבה סמנטית ניתנת להרחבה אשר מסטנדרטת הגדרות עסקיות ומבטיחה עקביות נתונים בכל הפלטפורמות.

· פיתוח LookML מתקדם: הובלת בנייה ושיפור מודלים של LookML כדי לתרגם לוגיקה עסקית מורכבת למבני נתונים מעשיים.

· חילוץ ויישור לוגיקה: ניתוח כלי דיווח קיימים כדי לבצע הנדסה הפוכה של מדדים ולוגיקה מוטמעים, תוך הבטחה שהתשתית החדשה תואמת את דרישות העסק הקבועות.

· אימות ואבטחת איכות: לקיחת אחריות מלאה על תהליך אימות הנתונים, פיתוח מסגרות בדיקה קפדניות כדי להבטיח שתובנות המונעות על ידי בינה מלאכותית יהיו מדויקות ועקביות עם מחסן הנתונים המרכזי.

· שיתוף פעולה אסטרטגי: שיתוף פעולה עם אדריכלי נתונים ומובילי מוצר כדי ליישר את התוצרים הטכניים עם יעדים אסטרטגיים כוללים ומפות דרכים של בינה מלאכותית.

· טרנספורמציה מבנית: הנדסה מחדש של מודלי נתונים כדי לתמוך בצרכים אנליטיים של הדור הבא, תוך התמקדות באיכות נתונים גבוהה ובנגישות לכלים המונעים על ידי תואר שני במשפטים.

דרישות ליבה:

· שליטה טכנית: 3+ שנות ניסיון מעשי עם מחסני נתונים ברמה ארגונית (BigQuery, Snowflake או Redshift), עם מיומנות ברמת מומחה ביצירת SQL אופטימלי ביותר.

· תרגום עסקי פונקציונלי: יכולת מוכחת להמיר צרכים עסקיים ברמה גבוהה למפרטים טכניים ולהגדיר KPIs קריטיים מהיסוד.

· מידול נתונים אסטרטגי: מומחיות מעמיקה בארכיטקטורת נתונים ברמה גבוהה ויכולת לפשט מדדים עסקיים מורכבים לסכמות נתונים נקיות והגיוניות.

· ביצוע עצמאי: איש מקצוע פרואקטיבי המצטיין בהשגת תוצאות בסביבות מתפתחות. אתה מרגיש בנוח לחקור את שושלת הנתונים ולאסוף דרישות באמצעות מעורבות ישירה עם בעלי עניין.

· פתרון בעיות אנליטי: רקורד מוכח של ביצוע ניתוחים מעמיקים כדי לפתור אתגרים מבניים ועסקיים מורכבים.

· כלים: ניסיון עם כלי BI ומידול מודרניים, במיוחד Looker ו-LookML.

יתרונות:

· מסגרות בינה מלאכותית מתקדמות: ניסיון מעשי עם מערכות אקולוגיות מבוססות LLM, בניית צ’אטבוטים ייעודיים או תכנון זרימות עבודה סוכניות (למשל, LangChain).

· כלי פיתוח מהדור הבא: היכרות עם סביבות פיתוח המונעות על ידי בינה מלאכותית כמו Cursor, וכן חשיפה לפרוטוקולים כגון MCP (Model Context Protocol).