Senior Analytics Engineer

ما به یک Senior Analytics Engineer نیاز داریم که بتواند هم مسائل تحلیلی و گزارش‌گیری روزمره کسب‌وکار را با دقت و سرعت پیش ببرد و هم در توسعه زیرساخت‌های تحلیلی و طراحی و تحویل محصولات مبتنی بر هوش مصنوعی نقش داشته باشد.

این نقش ترکیبی از تحلیل و مدل‌سازی داده، کنترل صحت گزارش‌ها، شناسایی و ریشه‌یابی مغایرت‌ها و توسعه راهکارهای تحلیلی و محصولات AI است. فرد مناسب برای این موقعیت باید علاوه بر توانایی انجام تحلیل‌های عمیق، در بررسی جزئیات، پیدا کردن خطاها و حل سریع اختلاف اعداد توانمند باشد و بتواند کاربردهای موثر هوش مصنوعی را متناسب با نیازهای سازمان شناسایی، طراحی، ارزیابی و پیاده‌سازی کند.

مسئولیت‌ها:

• توسعه، نگهداری و بهبود مدل‌های تحلیلی مورد استفاده بیزینس‌لاین‌های مختلف
• طراحی و توسعه گزارش‌ها، KPIها و داشبوردهای مدیریتی و عملیاتی در Metabase
• پاسخ‌گویی به نیازهای تحلیلی روزمره تیم‌های محصول، عملیات، مارکتینگ، مالی و مدیریت
• بررسی صحت داده‌ها و انجام مغایرت‌گیری میان گزارش‌ها، دیتابیس‌ها و منابع مختلف
• شناسایی علت اختلاف اعداد، خطاهای منطقی، داده‌های ناقص و مشکلات موجود در فرآیندهای گزارش‌گیری
• پایش گزارش‌های کلیدی و اطمینان از صحت و به‌روز بودن خروجی‌ها
• تحلیل داده‌ها برای شناسایی فرصت‌های رشد، ریسک‌ها، مشکلات عملیاتی و گلوگاه‌های کسب‌وکار
• تحلیل Funnelها، رفتار کاربران، عملکرد تیم‌ها، Featureها و Initiativeهای مختلف
• همکاری با ذی‌نفعان برای تبدیل سوالات کسب‌وکار به تحلیل، مدل داده، گزارش یا راهکار قابل‌استفاده
• مستندسازی مدل‌های داده، منطق گزارش‌ها و تعاریف KPIهای اصلی
• بهینه‌سازی کوئری‌ها و مدل‌های تحلیلی برای بهبود سرعت و پایداری گزارش‌ها
• استفاده از Python، APIها و ابزارهای Automation برای کاهش کارهای دستی و تکرارشونده
• شناسایی مسائل و فرآیندهایی که قابلیت بهبود با استفاده از هوش مصنوعی دارند
• طراحی، توسعه و تحویل محصولات و راهکارهای AI از مرحله تعریف مسئله و ساخت نمونه اولیه تا ارزیابی، پیاده‌سازی و بهبود مستمر
• آماده‌سازی مدل‌ها و خروجی‌های تحلیلی برای استفاده توسط LLMها و AI Agentهای داخلی
• طراحی گزارش‌ها، Alertها و Insightهای خودکار برای مدیران و تیم‌های کسب‌وکار
• ارزیابی کیفیت، دقت و کاربردپذیری خروجی محصولات AI پیش از استفاده در فرآیندهای سازمان

شرایط موردنیاز:

• تسلط پیشرفته به SQL و توانایی نوشتن، بررسی و بهینه‌سازی کوئری‌های پیچیده
• تجربه عملی کار با PostgreSQL و ClickHouse
• تجربه ساخت و نگهداری مدل‌های داده، گزارش‌ها و داشبوردهای تحلیلی
• تجربه کار با ابزارهای BI، ترجیحاً Metabase
• توانایی تحلیل دقیق داده‌ها و ریشه‌یابی سریع مغایرت‌ها و خطاهای گزارش‌گیری
• دقت بالا، توجه به جزئیات و حساسیت نسبت به صحت اعداد و خروجی‌ها
• توانایی درک فرآیندهای کسب‌وکار و تبدیل آن‌ها به منطق تحلیلی
• تجربه استفاده از Python برای تحلیل داده، Automation یا پردازش اطلاعات
• آشنایی عملی با LLMها، AI Agentها و نحوه استفاده از آن‌ها در حل مسائل کسب‌وکار
• توانایی طراحی و پیاده‌سازی نمونه اولیه راهکارهای مبتنی بر هوش مصنوعی
• توانایی مدیریت هم‌زمان نیازهای عملیاتی روزمره و پروژه‌های توسعه‌ای
• توانایی ارائه شفاف و کاربردی نتایج تحلیل به مدیران و ذی‌نفعان
• روحیه پیگیری، مسئولیت‌پذیری و توانایی حل مسئله به‌صورت مستقل

مواردی که امتیاز محسوب می‌شوند:

• تجربه Product Analytics یا Growth Analytics
• تجربه طراحی و استانداردسازی KPIها
• آشنایی با Git و Version Control
• آشنایی با dbt یا ابزارهای مشابه Analytics Engineering
• آشنایی با Airflow، n8n یا سایر ابزارهای Automation و Orchestration
• آشنایی با APIها، Webhookها و Data Integration
• تجربه توسعه یا استقرار محصولات مبتنی بر LLM
• آشنایی با Prompt Design، Structured Output، Tool Calling یا ارزیابی خروجی LLMها
• تجربه پیاده‌سازی گزارش‌ها، Alertها یا Insightهای خودکار
• تجربه فعالیت در Marketplaceها یا پلتفرم‌های دیجیتال

ویژگی‌های فرد مناسب:

• از بررسی جزئیات و پیدا کردن علت اختلاف اعداد خسته نمی‌شود.
• در کنار تحلیل‌های روزمره، به دنبال بهبود ساختارها و کاهش کارهای دستی است.
• فقط گزارش تولید نمی‌کند و نسبت به صحت و کاربرد خروجی مسئولیت‌پذیر است.
• می‌تواند نیاز واقعی کسب‌وکار را از یک کاربرد نمایشی هوش مصنوعی تشخیص دهد.
• برای طراحی، آزمایش و پیاده‌سازی محصولات AI کنجکاو و پیگیر است.
• می‌تواند بین نیازهای فوری کسب‌وکار و پروژه‌های توسعه‌ای تعادل برقرار کند.