Siège : Brésil URL : http://lawnstarter.com À propos de LawnStarter LawnStarter est le premier marché national de services de jardinage et de plein air à la demande, avec plus de 100 millions de dollars en réservations annuelles. Nous nous développons au-delà du service de jardinage pour devenir le guichet unique de tous les services à domicile - fonctionnant sur trois marques (LawnStarter, Lawn Love, Home Gnome) sur une plate-forme partagée. À propos de Analytics chez LawnStarter Nous sommes une petite équipe d'analyse senior qui soutient l'ensemble de l'entreprise - produit, marketing, opérations et finance tous les services sur les données que nous servons. La fondation est solide : un entrepôt de données Redshift centralisé où toutes les données sources se trouvent, modélisée en dbt et orchestrée par Airflow, avec des données d'alimentation Segment dans. Vous ne recoudrez pas les sources dispersées ensemble - la plate-forme existe; votre travail est de rendre la qualité de confiance et de la garder ainsi.

Vous serez la première personne à LawnStarter dédiée à la gouvernance des données - le propriétaire de la confiance dans nos données. Cela signifie la qualité et la fraîcheur de nos données sources, pipelines et rapports; les définitions derrière nos métriques; les normes derrière notre suivi des événements segmentaires; la santé de notre espace de travail Lightdash; les données alimentant nos modèles d'apprentissage automatique; et la sécurité des données elles-mêmes. C'est un rôle pratique. Vous travaillerez d'abord seul avec l'équipe d'analyse autour de vous, mais personne sous vous - construire l'automatisation, écrire des vérifications, réparer ce qui est cassé, et mettre en place des processus qui vous passent. Si la portée augmente la façon dont nous nous attendons, cela devient la base d'une équipe que vous créeriez.

• La ligne de données et l'analyse d'impact - une carte vivante de la source de production au modèle d'entrepôt au tableau de bord, et le processus qui l'utilise: quand un changement de production est proposé, son impact en aval sur les pipelines, les mesures et les rapports est évalué avant qu'il ne soit livré, pas découvert après. L'état final est des contrats de données avec l'ingénierie, donc casser les changements se capture dans leur workflow, pas le nôtre. • Lightdash - administration, structure de l'espace de travail, autorisations, et le déploiement lui-même. Votre travail est de donner à l'entreprise une autonomie de service propre tout en gardant l'espace de travail suffisamment propre que les gens peuvent trouver et confiance ce qui est là. L'activation fait partie de l'affaire - les gens suivent les normes qu'ils ont appris - et ainsi garde les requêtes rapides et les coûts d'entrepôt sain. • La couche sémantique - nous l'avons simplement expédié pour nos paramètres les plus critiques: une définition régie par métrique, en code.

• Sécurité des données et confidentialité - contrôles d'accès, manipulation et conservation de la PI en vertu des lois de l'État américain sur la protection des données personnelles, et examens périodiques de qui - et quels outils AI - peuvent voir quoi. • Le système de gouvernance lui-même - la documentation, les modèles de propriété et les boucles de révision qui maintiennent toutes les informations ci-dessus sans héroïques. Problèmes pour résoudre la migration Lightdash un changement de pas, pas un replatage Nous remplaçons Tableau et Metabase par Lightdash. Fait mal, nous échangeons deux outils mesquins pour un outil messy. Vous concevez la structure - espaces, permissions, certification, nom - qui permet aux parties prenantes de se servir à la vitesse nécessaire pour que l'entreprise ne crée pas un cauchemar de croissance incontrôlée de tableau de bord. La partie dure : autonomie et tidesse tirent dans des directions opposées, et vous devez livrer les deux. Terminer et défendre la couche sémantique Nous avons juste envoyé notre couche sémantique pour nos mesures les plus critiques - une définition régie par métrique, donc « deux tableaux de bord, deux chiffres » ne peut pas arriver.

Les événements du segment de suivi des événements Tame alimentent nos entonnoirs et l'analyse de produits, et ils sont mis en œuvre par de nombreux ingénieurs dans de nombreuses équipes. Les garde-corps existent - un catalogue d'événements régi avec des normes de nommage, un dictionnaire de propriété, un cycle de vie de revue, et la détection automatisée de dérive contre la production. Ce qui manque est un propriétaire dédié: quelqu'un qui tient chaque nouvel événement à la norme, maintient le catalogue correspondant à ce que la production envoie réellement, et évolue les garde-corps à mesure que le suivi augmente.