Auf einen Blick
- Aufgaben: Lead strategy and design for enterprise data landscape, integrating Data Lake and Data Warehouse.
- Unternehmen: Join a forward-thinking company in the San Francisco Bay Area focused on AI enablement.
- Vorteile: Enjoy a hybrid working model and opportunities for professional growth over the next 12-18 months.
- Weitere Informationen: Candidates must be based in the San Francisco Bay Area.
- Warum dieser Job: Shape the future of data architecture while enabling self-service access for business users.
- Qualifikationen: Experience in data architecture, governance, and AI tools is essential for this senior role.
Das prognostizierte Gehalt liegt zwischen 75000 - 95000 € pro Jahr.
Wir suchen einen Staff Enterprise Architect, Data, der die Strategie, das Design und die Modernisierung unserer Unternehmensdatenlandschaft leitet. Diese Rolle operiert an der Schnittstelle von Datenarchitektur, Engineering und KI-Enablement und definiert Lösungen zur Integration unseres Data Lake und Data Warehouse über Multi-Cloud-Plattformen.
In den nächsten 12-18 Monaten werden Sie den selbständigen Datenzugriff und die Abfragefähigkeiten in natürlicher Sprache für Geschäftsanwender ermöglichen. Sie werden Master Data Management und Datenherkunftsrahmen entwerfen, um sicherzustellen, dass KI-Modelle auf qualitativ hochwertigen, verwalteten Daten arbeiten. Außerdem werden Sie KI-gestützte Tools evaluieren und implementieren, um die Überwachung der Datenqualität zu automatisieren und die Datensicherheit zu verbessern.
Hauptverantwortlichkeiten
- Datenstrategie & Roadmap-Design: Entwerfen Sie die Architektur der semantischen Schicht zur Standardisierung der Geschäftskennzahlen unternehmensweit.
- Definieren Sie Governance-Richtlinien, um den Zugriff auf validierte Master-Datenquellen über natürliche Sprachabfragen sicherzustellen.
- Entwickeln Sie eine Master-Datenstrategie für die Kunden- und Produktbereiche (Phasen 1-2), gefolgt von Finanzen und Personal.
- Definieren Sie Anforderungen an den goldenen Datensatz, Modelle zur Datenverantwortung und Hierarchien des Systems der Aufzeichnung.
- Arbeiten Sie mit Geschäftsinhabern an der Governance von Master-Daten zusammen.
- Definieren Sie die Strategie zur Datenintegration über Clouds hinweg und die Referenzarchitektur.
- Dokumentieren Sie Kompromisse und empfehlen Sie Implementierungen für Batch- und nahezu Echtzeitanwendungen.
- Entwickeln Sie 12-24 Monate umfassende Datenarchitektur-Roadmaps für Finanzen, Vertrieb, Produkt und Personal.
- Identifizieren Sie Fähigkeitslücken und empfehlen Sie Technologieinvestitionen mit geschätztem Geschäftswert und Aufwand.
- Systemdesign & Lösungsführung: Evaluieren Sie KI-gestützte Plattformen zur Datenbeobachtbarkeit für die Qualitätsüberwachung, Vorhersage von Pipeline-Fehlern und Datenklassifizierung.
- Definieren Sie Anforderungen, leiten Sie Anbieter-POCs und etablieren Sie Integrationsmuster.
- Definieren Sie die Architektur zur Datenaufnahme, um die Verfügbarkeit von Wochen auf 3-5 Tage (Batch) und unter 15 Minuten (Echtzeit) zu reduzieren.
- Dokumentieren Sie Einschränkungen des Quellsystems und arbeiten Sie mit dem Engineering an einer schrittweisen Implementierung.
- Etablieren Sie Build-vs-Buy-Rahmenwerke für Datenplattform, ETL, Datenqualität und Master-Daten-Tools.
- Definieren Sie Kriterien und Bewertungsmodelle für POCs.
- Überwachen Sie die Ausführung von POCs und präsentieren Sie Empfehlungen mit TCO-Analysen vor dem Architekturprüfungsausschuss.
- Entwerfen Sie Datenlösungen für priorisierte Initiativen (Kunden 360, Finanzberichterstattung, KI-Pipelines).
- Stellen Sie sicher, dass die Designs Qualitäts-SLAs, Überwachung, Sicherheitskontrollen und betriebliche Dokumentation berücksichtigen.
- Validieren Sie durch Architekturprüfungen vor der Implementierung.
- Wenden Sie Produktdenken auf Datenplattformen an und behandeln Sie interne Verbraucher als Kunden.
- Arbeiten Sie mit dem Produktmanagement an Machbarkeit, MVP-Scoping und Skalierungsplänen.
- Etablieren Sie regelmäßige Kontaktpunkte mit Data Engineering, Enterprise Architecture und Geschäftsführern.
- Leiten Sie Workshops zur Lösungsabgrenzung, geben Sie Aufwandsschätzungen ab und identifizieren Sie Abhängigkeiten.
- Seien Sie Eskalationspunkt für komplexe Designfragen zu systemübergreifenden Abläufen, hochvolumigen Schema-Designs und Anbieterintegrationen.
- Technische Ausführung & Lieferung: Nehmen Sie an Designüberprüfungen und -kontrollen teil, um die Übereinstimmung mit den architektonischen Standards zu validieren.
- Geben Sie bei Bedarf Kurskorrekturen vor, um Konsistenz mit pragmatischen Kompromissen in Einklang zu bringen.
- Führen Sie vierteljährliche Audits durch, um die Einhaltung zu bewerten und technische Schulden zu identifizieren.
- Seien Sie ein früher Anwender von MongoDB Atlas und Voyage AI (einschließlich Vektorsuche für RAG).
- Bewerten Sie MongoDB objektiv bei Build/Buy-Entscheidungen und dokumentieren Sie Fähigkeitslücken.
- Teilen Sie Unternehmensfeedback, um den Produktfahrplan zu beeinflussen.
- Governance, Standards & Risikomanagement: Definieren Sie die Strategie zur Datenherkunft und technische Anforderungen.
- Etablieren Sie Abdeckungsziele: 100% für Finanz-/KI-Daten innerhalb von 12 Monaten, 80% für operationale Dashboards innerhalb von 18 Monaten.
- Kartieren Sie die Herkunft auf regulatorische Anforderungen (SOX, GDPR).
- Entwerfen Sie automatisierte Datenqualitätsrahmen mit Validierungsregeln, Anomalieerkennung und Quarantäne-Workflows.
- Definieren Sie Qualitätsmetriken und SLAs nach Bereich.
- Geben Sie Integrationspunkte und Alarmierungsprozesse an.
- Arbeiten Sie mit Data Operations an der Implementierung zusammen.
- Kooperieren Sie mit InfoSec bei der Governance des Datenzugriffs und der Sicherheit.
Senior Staff Enterprise Architect, Data Arbeitgeber: MongoDB
This innovative company is dedicated to modernizing its enterprise data landscape. Employees benefit from a hybrid work environment and are encouraged to explore AI-powered solutions. The team is committed to high-quality data governance and operational excellence.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Senior Staff Enterprise Architect, Data erhalten könnten
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei MongoDB zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Staff Enterprise Architect, Data mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Senior Staff Enterprise Architect, Data bei MongoDB gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei MongoDB vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für MongoDB entscheidend sein!
