رهبر معماری و مهندسی پلتفرم داده

این موقعیت برای کسی است که نمی‌خواهد فقط بخشی از سیستم را بسازد.

اگر تجربه شما محدود به اجرای Pipelineهای از قبل طراحی‌شده است، این موقعیت مناسب شما نیست.
اما اگر از ساختن سیستم از نقطه صفر، حل ابهام، تصمیم‌گیری فنی و دیدن اثر واقعی کار خود در کسب‌وکار لذت می‌برید، جایگاه این نقش دقیقاً برای شما خالی است.

در این مسیر شما با داده‌های پراکنده در چند جغرافیای متفاوت، چند سرور و چند نرم‌افزار متفاوت روبه‌رو هستید؛ این به معنای یک چالش واقعی اما جذاب در حوزه‌ای بکر و مستعد است. پس به فردی نیاز داریم که بتواند مسئله را کشف کند، معماری را طراحی کند، انتخاب‌های فنی را توضیح دهد و نسخه اولیه را شخصاً به Production برساند.

هدف، صرفاً ساخت چند داشبورد یا انتقال تعدادی جدول نیست.

می‌خواهیم یک پلتفرم داده مرکزی، امن و قابل توسعه بسازیم که مبنای پایش مالی، مدیریت منابع انسانی، کنترل فرآیندها، تحلیل مدیریتی و راهکارهای AI باشد.

• ماموریت اصلی نقش
  شناسایی منابع داده در چند جغرافیای متفاوت و بررسی ساختار، کیفیت، مالکیت و محدودیت دسترسی آن‌ها
  طراحی معماری End-to-End از Source System تا Warehouse/Lakehouse، BI و لایه آماده‌سازی AI
  ایجاد مسیرهای امن، پایدار و قابل مانیتور برای انتقال داده
  تعریف مدل مشترک برای مشتری، کارمند، شعبه، حساب، تراکنش و سایر موجودیت‌های کلیدی
  ساخت نسخه اولیه پلتفرم و هدایت توسعه آن تا تبدیل‌شدن به زیرساخت تصمیم‌گیری سازمان
  ایجاد استانداردهای مهندسی، امنیتی و عملیاتی برای اعضایی که بعداً به تیم اضافه می‌شوند

• فناوری‌ها و دانش فنی مورد انتظار
  تسلط پیشرفته به SQL و Python الزامی است
  تجربه عملی با Airflow و dbt یا ابزارهای هم‌سطح الزامی است
  تسلط عمیق بر حداقل یک پلتفرم Databricks، Snowflake، BigQuery یا Microsoft Fabric الزامی است
  تجربه عملی حداقل یک پایگاه داده مانند PostgreSQL، SQL Server یا Oracle الزامی است
  تجربه CDC یا Streaming با ابزارهایی مانند Debezium، Airbyte، Fivetran یا Kafka الزامی است
  تجربه Git، Docker و CI/CD الزامی است
  تجربه حداقل یکی از Azure، AWS یا GCP الزامی است
  آشنایی با Terraform، Data Quality، Observability و Data Catalog امتیاز مهم محسوب می‌شود

• مسئولیت‌های کلیدی
  تهیه Source Inventory و نقشه دسترسی تمام نرم‌افزارها و پایگاه‌های داده
  طراحی Target Architecture و Source-to-Target Mapping
  انتخاب ابزارها با تحلیل Build vs Buy و محاسبه هزینه کل مالکیت
  ساخت Landing Zone و لایه‌های Raw، Standardized و Curated
  طراحی و پیاده‌سازی Pipelineهای Batch، CDC و در صورت نیاز Streaming
  تعریف شناسه‌های مرجع و Master Data برای موجودیت‌های کلیدی
  ایجاد کنترل‌های کیفیت، مغایرت‌گیری و ثبت Lineage
  طراحی دسترسی مبتنی بر نقش برای اطلاعات مالی و پرسنلی
  آماده‌سازی داده برای Power BI، تحلیل پیشرفته، ML و RAG
  ایجاد CI/CD، Monitoring، Alerting، Backup و Incident Runbook
  مستندسازی تصمیم‌های معماری و استانداردهای توسعه
  مشارکت در جذب و منتورینگ اعضای بعدی تیم داده

شایستگی‌های مورد انتظار
مالکیت نتیجه: مسئله را تا رسیدن به خروجی پایدار و قابل استفاده در Production دنبال می‌کند
تفکر سیستمی: اثر هر تصمیم را بر امنیت، هزینه، عملیات، گزارش و توسعه آینده بررسی می‌کند
قدرت حل مسئله مبهم: بدون نیاز به دستورالعمل کامل، مسئله را کشف و به مراحل اجرایی تبدیل می‌کند
تصمیم‌گیری مبتنی بر شواهد: انتخاب فناوری را با مقایسه هزینه، ریسک، عملکرد و محدودیت‌ها انجام می‌دهد
ارتباط موثر با مدیران: موضوعات پیچیده فنی را به زبان تصمیم، هزینه و ریسک توضیح می‌دهد
مذاکره و مدیریت ذی‌نفعان: میان نیازهای مالی، HR، امنیت، زیرساخت و کشورهای مختلف تعادل ایجاد می‌کند
دقت و حساسیت نسبت به داده: مغایرت کوچک مالی، نقص دسترسی یا افت کیفیت را بی‌اهمیت تلقی نمی‌کند
مستندسازی و انتقال دانش: تصمیم‌ها، معماری و Runbookها را برای استفاده دیگران ثبت می‌کند
رهبری فنی و منتورینگ: استاندارد تعیین می‌کند، Code Review انجام می‌دهد و تیم را توسعه می‌دهد
انعطاف‌پذیری همراه با ثبات تصمیم: با اطلاعات جدید طرح را اصلاح می‌کند، اما بدون دلیل مسیر فنی را تغییر نمی‌دهد