วิศวกรข้อมูล — ชุดข้อมูลการมองเห็น

เกี่ยวกับตำแหน่งนี้

คูเมืองของ Growli ไม่ใช่ฟีเจอร์ แต่คือชุดข้อมูลที่ไม่มีใครเก็บ นั่นคือผู้ช่วย AI รายใหญ่ทุกรายตอบคำถามการซื้อจริงอย่างไร สัปดาห์แล้วสัปดาห์เล่า ข้ามภาษาและข้ามเมือง วันนี้ชุดข้อมูลนั้นอยู่ในไปป์ไลน์ที่สร้างมาเพื่อความเร็วในการทดลอง งานของคุณคือวางรากฐานให้มันกลายเป็นสินทรัพย์ที่นิยามทั้งวงการอย่างที่มันควรจะเป็น คุณจะดูแลทั้งการจัดเก็บ การออกแบบโครงสร้างข้อมูล คุณภาพ และการเข้าถึง ทั้งคลังรายการสังเกตแบบเขียนต่อท้ายอย่างเดียว ชั้นการรวมข้อมูลที่ป้อนแดชบอร์ดได้ในหน่วยมิลลิวินาที ตัวเฝ้าระวังคุณภาพที่จับความเบี่ยงเบนได้ก่อนลูกค้า และการวิเคราะห์ภายในที่บอกเราว่าควรวัดตลาดใดต่อไป ผลิตภัณฑ์ในอนาคตทุกอย่าง ทั้งเกณฑ์เทียบ ดัชนีรายอุตสาหกรรม และคลังข้อมูลธุรกิจระดับประเทศ ล้วนสร้างบนสิ่งที่คุณวางไว้ตรงนี้

สิ่งที่คุณจะทำ

• ดูแลคลังรายการสังเกต ทั้งข้อมูลการรันพรอมต์ที่แก้ไขไม่ได้ คำตอบที่อ้างอิงด้วยเนื้อหา และกลยุทธ์การวิวัฒน์สคีมารอบ ๆ มัน
• สร้างชั้นการรวมข้อมูล เพื่อให้มุมมองรายผู้ช่วย AI รายเมือง และรายคู่แข่ง ยังเร็วอยู่แม้ข้อมูลจะโตขึ้นร้อยเท่า
• ออกแบบการเฝ้าระวังคุณภาพข้อมูล ทั้งความครอบคลุม ความสดใหม่ ความเบี่ยงเบนของการตรวจจับ และต้นทุนต่อรายการสังเกต โดยตั้งสัญญาณเตือน ไม่ใช่นั่งจ้อง
• ทำให้ชุดข้อมูลค้นได้สำหรับการทดลองด้านผลิตภัณฑ์ โดยไม่เสี่ยงกับเส้นทางร้อนของระบบจริง
• ออกแบบโมเดลเกณฑ์เทียบข้ามธุรกิจที่เคารพการแยกข้อมูลของแต่ละลูกค้าและเพดานขั้นต่ำด้านการไม่ระบุตัวตนของเรา
• ดูแลเส้นทางการย้ายระบบเมื่อเราโตเกินเอนจินจัดเก็บปัจจุบัน โดยวัดผลได้ ย้อนกลับได้ และน่าเบื่อในทางที่ดี
• ร่วมงานกับวิศวกร AI เรื่องชุดประเมินผลที่ติดป้ายกำกับ และกับทีมผลิตภัณฑ์เรื่องหลักฐานรูปแบบใหม่

ความสำเร็จหน้าตาเป็นอย่างไร

• คิวรีของแดชบอร์ดยังต่ำกว่า 100 มิลลิวินาที แม้รายการสังเกตจะโตขึ้นหนึ่งลำดับขนาด
• เหตุขัดข้องด้านคุณภาพข้อมูลถูกจับโดยตัวเฝ้าระวัง ไม่ใช่โดยลูกค้า และมีคู่มือรับมือสำหรับแต่ละประเภท
• เกณฑ์เทียบรายอุตสาหกรรมที่สร้างจากชุดข้อมูลล้วน ๆ ถูกส่งขึ้นระบบเป็นฟีเจอร์ที่ลูกค้าเห็น
• ต้นทุนการจัดเก็บต่อรายการสังเกตลดลง ขณะที่การรับประกันความคงทนของข้อมูลสูงขึ้น

สิ่งที่เรามองหา

• ประสบการณ์ 4 ปีขึ้นไปในการสร้างระบบข้อมูลระดับใช้งานจริง ทั้งไปป์ไลน์ คลังข้อมูล หรือ OLTP ปริมาณสูง
• SQL และ Python แข็งแรง คุณออกแบบโมเดลข้อมูลตามคิวรีที่มันต้องตอบ ไม่ใช่ตามความสวยของแผนภาพ
• คุณเคยผ่านการย้ายระบบจัดเก็บข้อมูลมาแล้ว และบอกเราได้ว่ามีอะไรที่คุณจะไม่ทำอีกเลย
• คุณมองคุณภาพข้อมูลเป็นผลิตภัณฑ์ที่มี SLO ไม่ใช่งานทำความสะอาด
• มองโครงสร้างพื้นฐานอย่างเป็นจริง เครื่องมือน่าเบื่อที่พิสูจน์แล้วชนะของใหม่ที่น่าตื่นเต้น
• ถ้ามีจะดี ประสบการณ์กับระบบค้นหา ผลิตภัณฑ์วิเคราะห์ข้อมูล หรือชุดข้อมูล SaaS แบบหลายผู้เช่า

ประกาศเมื่อ 1 กันยายน 2569