Dataside
Forward Deployed Engineer SR (FDE)
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Forward Deployed Engineer, который работает внутри бизнес-подразделения клиента и доводит запрос руководства до работающего в продакшене решения на данных и ИИ с измеримым ROI. Владеет кейсом от вопроса до внедрения и адопции на платформе клиента.
Задачи
- Формировать карту реальных вопросов бизнес-подразделения и метрики, которую нужно сдвинуть, с замером baseline до начала работы
- Строить семантический слой и согласовывать метрики между подразделениями
- Настраивать агентов данных на партнёрских платформах: Databricks (Genie, Agent Bricks), Microsoft Fabric (Data Agent, Copilot Studio), Snowflake Cortex, Claude или Amazon Bedrock
- Делать лёгкие интеграции на Python, через API и MCP, когда настройки недостаточно
- Создавать набор оценки агента, отслеживать точность и мониторинг
- Применять governance: права доступа, безопасность на уровне строк и колонок, прослеживаемость происхождения данных, LGPD
- Проводить rollout, обучать команду клиента и вести панель адопции
- Ежемесячно измерять эффект относительно baseline, подтверждённый клиентом
- Фиксировать переиспользуемые паттерны как ускорители
Требования
- 3+ года в данных или ИИ (data engineering, analytics engineering, BI или data science)
- Продвинутый SQL и размерное или семантическое моделирование
- Рабочий Python для интеграций, автоматизации и тестов
- Практический опыт хотя бы с одной партнёрской платформой: Databricks, Microsoft Fabric, Snowflake или AWS
- Опыт вывода в продакшен решения, которым бизнес-пользователи пользуются ежедневно
- Умение вести диалог с бизнесом и руководством: задавать вопросы, возражать, презентовать результат
- Твёрдое понимание RAG, промптов, оценки LLM и governance данных
Условия
- Работа аллоцированно у клиента по месячному контракту с целью по результату
- Значительная часть времени — рядом с бизнес-подразделением, офлайн или удалённо
- Внутренняя программа обучения из семи модулей с практикой на реальном клиенте и наставником
- Рост от FDE в обучении до готового FDE по подтверждённым результатам
- Оценка по результату: продакшен, время до первого эффекта, адопция, точность агента, ROI и переиспользование, а не по часам или строкам кода
Навыки
- SQL
- Python
- Databricks
- Microsoft Fabric
- Snowflake
- AWS
- Claude
- Amazon Bedrock
- MCP
- RAG
- LLM evaluation
- prompt engineering
- data governance
- semantic layer
- dimensional modeling
- APIs
- Copilot Studio
- Snowflake Cortex