Huvudkontor: Brasilien URL: http://lawnstarter.com Om LawnStarter LawnStarter är landets ledande on-demand-marknad för gräsmatta och utomhustjänster, med över $150M i årliga bokningar. Vi expanderar bortom gräsmatta vård för att bli en enda kontaktpunkt för alla hemtjänster - verksamhet över tre varumärken (LagenStarter, Lawn Love, Home Gnome) på en enda delad plattform. Om Analytics på LawnStarter Vi är en liten, senior analytics team som stöder hela företaget - produkt, marknadsföring, verksamhet, och finansiering alla kör på data vi tjänar. Stiftelsen är solid: en centraliserad Redshift data lager där alla källdata landar, modelleras i dbt och orkestrated av Airflow, med Segment matning data i. Du kommer inte att sy spridda källor tillsammans - plattformen finns; ditt jobb är att göra det trovärdigt och hålla det på det sättet. Vi är mitt-migration till Lightdash som vår enda BI plattform, ersätter Tableau och Metabase. Här är den ärliga luckan: alla i laget idag är en analytiker. Datakvalitet, spårning standarder, och plattform hygien få gjort som sidoarbete, kläms mellan analyser. Ingen vaknar upp tänker på dem - vilket är precis det jobb vi anställer för. Rollen

Du kommer att vara den första personen på LawnStarter som är dedikerad till datastyrning - ägaren av om våra data kan lita på. Det betyder kvaliteten och friskheten i våra källdata, pipelines och rapporter; definitionerna bakom våra mätvärden; standarderna bakom vår Segment händelsespårning; hälsan hos vår Lightdash arbetsyta; data matar våra maskininlärningsmodeller; och säkerheten för själva data. Detta är en hands-on roll. Du kommer att arbeta solo i början, med Analytics-teamet runt omkring dig men ingen under dig - bygga automation, skriva kontroller, fixa vad som är trasigt, och sätta processer på plats som skalan förbi dig. Om omfattningen växer som vi förväntar oss, blir detta grunden för ett team du skulle bygga. Vad gör denna roll annorlunda: • Du är först. Styrning har varit allas sidojobb, så det som finns idag är ditt att omforma - håll det som fungerar, omforma det som inte gör det, och dina standarder blir företagets standarder. • Äganderätt för hela stake. Källdata till ledningar till instrumentpaneler och ML-modeller - du äger förtroende över hela kedjan, inte en del av den. • En levande migration till formen. Lightdash landar nu. Du får ställa in dess tillstånd, struktur och normer innan dåliga vanor bildas, i stället för att lösa dem senare. Vad du kommer att äga • Datakvalitet och friskhet - automatiserad övervakning över källdata, rörledningar och rapporter; fånga uppströms schema och källförändringar innan de bryter något nedströms; kör incidenter till upplösning när de inträffar.

• Data linje- och konsekvensanalys - en levande karta från produktionskälla till lagermodell till instrumentpanel, och processen som använder den: när en produktionsförändring föreslås, dess nedströms påverkan på rörledningar, mätvärden, och rapporter blir bedömd innan den skeppas, inte upptäckt efter. Sluttillståndet är datakontrakt med ingenjörskonst, så bryta förändringar fastnar i deras arbetsflöde, inte vårt. • Lightdash - administration, arbetsutrymme struktur, behörigheter, och utbyggnaden själv. Ditt jobb är att ge företaget självbevara autonomi samtidigt hålla arbetsytan snyggt nog att människor kan hitta och lita på vad som finns där. Aktivera är en del av affären - människor följer standarder de har lärt sig - och så håller frågor snabbt och lager kostar san. • Det semantiska lagret - vi bara levereras det för våra mest kritiska metrisk: en reglerad definition per metrisk, i kod. Du kommer att utöka definition och kartläggning till resten och skydda lagret mot okontrollerad tillväxt som det skalar. • Händelsespårning styrning - vår styrda Segment händelse katalog: granska nya händelser mot dess standarder, hålla det matchat med vad produktionen faktiskt skickar, och utveckla skyddsräcken (namngivning, egendom ordbok, drift upptäckt) som spårning växer. • AI-data beredskap - AI agenter fråga vårt lager varje dag genom Brain, vår interna AI verktygslåda. Du kommer att styra vilka data AI verktyg kan komma åt och hålla lagret AI-legitim: dokumenterad, konsekvent, och säker för en agent att fråga och få rätt svar.

• Datasäkerhet och integritet - åtkomstkontroller, PII hantering och kvarhållande enligt amerikanska statens sekretesslagar, och regelbundna granskningar av vem - och vilka AI-verktyg - kan se vad. • Styrsystemet i sig - dokumentation, ägarmodeller, och granska loopar som håller alla ovanstående kör utan heroiska. Problem med att lösa göra Lightdash migration en steg-förändring, inte en om-plattform Vi ersätter Tableau och Metabase med Lightdash. Gjorde dåligt, vi byter två röriga verktyg för en rörig verktyg. Du kommer att utforma strukturen - utrymmen, behörigheter, certifiering, namngivning - som låter intressenterna själv-serv på den hastighet företaget behöver utan att skapa en okontrollerad instrumentpanel-tillväxt mardröm. Den hårda delen: autonomi och thidiness drar i motsatt riktningar, och du måste leverera båda.

Avsluta och försvara det semantiska lagret Vi har just skickat vårt semantiska lager för våra mest kritiska mått - en styrd definition per metriska, så "två instrumentpaneler, två siffror" kan inte hända. Den oglamorösa sanningen: en lång svans av mätvärden behöver fortfarande definition och kartläggning, och ett semantiskt lager förblir bara pålitlig om någon begränsar dess tillväxt. Du kommer att äga både - förlänga täckning och hålla en-meter-en-definitionen sann som lagervågen.

Tame händelse-tracking entropy Segment händelser driva våra tratt och produktanalys, och de genomförs av många ingenjörer i många team. Vakträcken finns - en reglerad händelse katalog med namngivning standarder, en egendom ordbok, en översyn livscykel, och automatiserad drift upptäckt mot produktion. Vad som saknas är en dedikerad ägare: någon som håller varje nytt evenemang till standarden, håller katalogen matchad med vad produktionen faktiskt skickar, och utvecklar skyddsräcken som spårning växer. Utan det,