Data Engineer — Visibility Dataset

भूमिका के बारे में

Growli की असली ताक़त कोई सुविधा नहीं — वह डेटासेट है जिसे और कोई नहीं जुटा रहा: हर बड़ा AI असिस्टेंट असली खरीद सवालों का जवाब कैसे देता है, हफ़्ते-दर-हफ़्ते, कई भाषाओं और शहरों में। आज यह डेटासेट ऐसी पाइपलाइन में रहता है जो तेज़ी से बदलने के लिए बनी थी; आपका काम उसे वह नींव देना है जो इस श्रेणी को परिभाषित करने वाली संपत्ति के लिए ज़रूरी है। आप भंडारण, मॉडलिंग, गुणवत्ता और पहुँच संभालेंगे: सिर्फ़ जुड़ने वाले अवलोकन भंडार, ऐसी समूहन परतें जो डैशबोर्ड मिलीसेकंड में दिखाएँ, ऐसे गुणवत्ता निगरानी तंत्र जो ग्राहकों से पहले भटकाव पकड़ लें, और वह आंतरिक विश्लेषण जो बताए कि अगला कौन-सा बाज़ार मापना चाहिए। हर आने वाला उत्पाद — मानक, उद्योग सूचकांक, राष्ट्रीय कारोबार सूची — उसी नींव पर बनेगा जो आप यहाँ रखेंगे।

आप क्या करेंगे

• अवलोकन भंडार संभालना: अपरिवर्तनीय प्रॉम्प्ट-रन डेटा, सामग्री-आधारित पते वाले जवाब, और उनके इर्द-गिर्द स्कीमा बदलने की रणनीति।
• ऐसी समूहन परतें बनाना कि डेटा सौ गुना बढ़ने पर भी हर असिस्टेंट, हर शहर और हर प्रतिस्पर्धी की तस्वीर तेज़ बनी रहे।
• डेटा गुणवत्ता की निगरानी डिज़ाइन करना: कवरेज, ताज़गी, पहचान में भटकाव और प्रति अवलोकन लागत — अलार्म के साथ, आँख से देखकर नहीं।
• प्रोडक्शन के अहम रास्ते को जोखिम में डाले बिना डेटासेट को उत्पाद प्रयोगों के लिए खोजे जाने लायक बनाना।
• ऐसे अंतर-कारोबार मानक गढ़ना जो हर ग्राहक के डेटा की अलग-अलग सुरक्षा और हमारी गुमनामी सीमाओं का पालन करें।
• जब हम मौजूदा भंडारण इंजन से आगे बढ़ें, तब माइग्रेशन का रास्ता संभालना — मापा हुआ, वापस लौटने लायक, बिना नाटक के।
• लेबल किए मूल्यांकन सेट पर AI इंजीनियर के साथ और नए प्रमाण प्रकारों पर उत्पाद टीम के साथ मिलकर काम करना।

सफलता कैसी दिखती है

• अवलोकन दस गुना बढ़ने पर भी डैशबोर्ड की खोजें 100 मिलीसेकंड से कम में पूरी होती हैं।
• डेटा गुणवत्ता की गड़बड़ियाँ ग्राहकों से नहीं, निगरानी तंत्र से पकड़ी जाती हैं, और हर तरह की गड़बड़ी के लिए तय तरीका मौजूद है।
• सिर्फ़ इस डेटासेट से बना कोई उद्योग मानक ग्राहकों को दिखने वाली सुविधा के रूप में जारी होता है।
• प्रति अवलोकन भंडारण लागत घटती है और टिकाऊपन की गारंटी बढ़ती है।

हम क्या तलाश रहे हैं

• प्रोडक्शन में डेटा सिस्टम बनाने का 4+ साल का अनुभव — पाइपलाइन, वेयरहाउस या भारी OLTP।
• मज़बूत SQL और Python; आप डेटा उन खोजों के हिसाब से गढ़ते हैं जिनका उसे जवाब देना है, चित्र देखकर नहीं।
• आपने कोई भंडारण माइग्रेशन झेला है और बता सकते हैं कि आप दोबारा क्या कभी नहीं करेंगे।
• आप डेटा गुणवत्ता को SLO वाला उत्पाद मानते हैं, सफ़ाई का काम नहीं।
• इन्फ़्रास्ट्रक्चर को लेकर व्यावहारिक: उबाऊ पर आज़माया हुआ परकार, चमकदार नए से बेहतर है।
• अतिरिक्त लाभ: सर्च, एनालिटिक्स उत्पादों या कई ग्राहकों वाले SaaS डेटासेट का अनुभव।

प्रकाशित 1 सितंबर 2026