Kanada
Fastly
HOOPP (Healthcare of Ontario Pension Plan)
Senior Analyst, Total Fund Data Science and Modeling
Kanada
Toronto, Ontario, Canada
PythonSQL
Automatische Übersetzung. Prüfe das Original.
Warum Sie gerne bei uns arbeiten werden
- Hochleistungsfähige, menschenzentrierte Kultur
- Unser Engagement für Chancengleichheit, Vielfalt und Inklusion als Grundlage für unser Arbeitsumfeld und unseren Geschäftserfolg, was den Mitarbeitern hilft, sich wertgeschätzt und befähigt zu fühlen, sie selbst zu sein
- Lern- und Entwicklungsinitiativen, einschließlich Workshops, Speaker Series-Veranstaltungen und Zugang zu LinkedIn Learning, die das Karrierewachstum der Mitarbeiter unterstützen
- Mitgliedschaft im erstklassigen Defined Benefit-Pensionsplan von HOOPP, der einen wichtigen Teil Ihrer Altersvorsorge darstellen kann
- Wettbewerbsfähige, 100% vom Unternehmen bezahlte erweiterte Kranken- und Zahnversicherungsleistungen für feste Mitarbeiter, einschließlich Leistungen zur Unterstützung der Vielfalt und psychischen Gesundheit unseres Teams (z. B. Geschlechtsangleichung, Fruchtbarkeits- und Medikamentenbehandlung, psychologische Unterstützung in Höhe von 2,500 pro Jahr, Aufstockung des Elterngeldes und ein Gesundheitssparkonto).
- Optionale Kranken- und Zahnversicherungsleistungen nach dem Ruhestand, subventioniert zu 50%
- Yogakurse, Meditationsworkshops, Ernährungsberatungen und Wellness-Seminare
- Die Möglichkeit, etwas zu bewirken und uns um diejenigen zu kümmern, die sich um uns kümmern, indem wir den Angestellten im Gesundheitswesen Ontarios eine finanziell sichere Altersvorsorge bieten
Stellenübersicht
Der Senior Analyst berichtet an den Director, Data Science & Modeling, Total Fund Analytics, und bringt tiefgreifende Expertise in angewandter KI und LLM/RAG-gestützter Analytik ein, um das Investment Reporting zu verbessern, die Generierung analytischer Erkenntnisse zu erweitern und den gesteuerten Zugriff auf Investmentdaten in natürlicher Sprache zu ermöglichen. Die Rolle wird KI-gestützte Reporting-Funktionen auf Basis von gesteuerten Datenfundamenten, semantischen Metrik-Schichten, analytischen Datenmodellen und kuratierten Investment-Datensätzen entwerfen, aufbauen und skalieren. Diese Rolle ist auch für die Verbesserung von Data Warehouse-Strukturen, Data Marts, kuratierten Aggregationsschichten, semantischen Metrik-Schichten und modernen Data Engineering-Praktiken im gesamten Reporting-Ökosystem verantwortlich.
Was Sie tun werden
Total Fund Data Science & Modeling
- Entwerfen, Erstellen und Pflegen von zuverlässigen ETL/ELT-Ingestions- und Transformationspipelines über Datensysteme wie SAP HANA, Snowflake, Microsoft Fabric und andere Enterprise-Datenplattformen, mit ausreichender Produktionsdisziplin zur Unterstützung von gesteuertem Reporting und KI-gestütztem Konsum.
- Entwerfen, Entwickeln und Pflegen von analytischen und semantischen Datenmodellen, einschließlich dimensionaler Strukturen, kuratierter Aggregationsschichten, Metrikansichten und wiederverwendbarer Datensätze, die eine konsistente Abrufbarkeit wichtiger Investment-Kennzahlen über Reporting-, Analyse- und KI-Schnittstellen gewährleisten.
- Erweitern der semantischen Metrik-Schicht, die von Power BI, Qlik, Schnittstellen in natürlicher Sprache und anderen Tools verwendet wird, um sicherzustellen, dass LLM/RAG-Lösungen genaue und gesteuerte Definitionen, versionierte Metriken und Roll-ups mit optimierter Geschäftslogik abrufen.
- Analysieren, Modellieren und Kuratieren komplexer Daten aus mehreren Workflows und Systemen, um vertrauenswürdige Schlüsselkennzahlen, Erkenntnisse und Empfehlungen zu erstellen, die das Senior Management und den Vorstand bei der Erfüllung ihrer Aufsichts- und Governance-Aufgaben unterstützen.
- Einbetten von Datenqualitäts-, Lineage-Dokumentations-, Abgleichskontroll-, Metrikdefinitions- und Modelldokumentationsfunktionen in das Pipeline- und kuratierte Schichtdesign, um vertrauenswürdiges Investment Reporting zu unterstützen.
- Anwenden von KI-gestützter Entwicklung von statistischen Analysen, machine learning und traditionellen Data-Science-Techniken, um die analytische Prototypenentwicklung zu beschleunigen, Treiber für Investmentergebnisse zu identifizieren, Simulationen zu erstellen und die Erkenntnisse aus dem Investment Reporting zu verbessern.
Forschung & Entwicklung
- Zusammenarbeit mit Stakeholdern aus den Bereichen Finanzen, Investment, Technologie und Daten, um Geschäftsanforderungen, Möglichkeiten für Analysen in natürlicher Sprache und datenzentrierte Lösungen zu identifizieren, die praktische Reporting- und Entscheidungsunterstützungsprobleme lösen.
- Teilnahme an der Konzeption und dem Aufbau konsolidierter analytischer Investment-Funktionen, einschließlich kuratierter Datenprodukte, analytischer Marts, semantischer Modelle und Cube-ähnlicher Strukturen, die Investmentergebnisse im Verhältnis zu Marktbedingungen, Handelsstrategien, Asset-Mix und Portfolio-Exposures erklären.
- Entwicklung und Pflege eines tiefen Verständnisses der internen Abläufe von Total Fund Analytics, der Investment Reporting-Prozesse, institutioneller Investmentprodukte und aufkommender Praktiken in den Bereichen KI, Data Science und Analytics Engineering.
- Partnerschaft mit den relevanten Stakeholdern, um hochwertige Anwendungsfälle für Abfragen in natürlicher Sprache zu identifizieren und diese in Prototypen- und Produktionsfunktionen zu übersetzen, die auf gesteuerten Datensätzen und genehmigten Metrikdefinitionen basieren.
- Entwerfen und Implementieren von LLM-Schnittstellen und Retrieval-Augmented Generation (RAG)-Pipelines auf kuratierten, gesteuerten Datensätzen und semantischen Metrik-Schichten, um die Abfrage, Erklärung und Analyse von vertrauenswürdigen Geschäftsmetriken und Erkenntnissen in natürlicher Sprache zu ermöglichen.
Innovation & Betriebliche Effizienz
- Unterstützung des Direktors bei der Leitung von Innovationen, der Verbesserung von Geschäftsprozessen, der Förderung einer Innovationsmentalität innerhalb der Abteilung und der Einbindung externer Anbieter, um Innovationsmöglichkeiten für die Abteilung zu präsentieren (wie künstliche Intelligenz, Robotic Process Automation, machine learning, etc.).
- Förderung einer Kultur der Innovation, des Experimentierens und des kontinuierlichen Lernens, während gleichzeitig sichergestellt wird, dass KI-gestützte Lösungen gesteuert, erklärbar, sicher und mit realen Investment Reporting-Anwendungsfällen verbunden bleiben.
- Auf dem Laufenden bleiben über LLM, RAG, machine learning, Prompt Engineering und KI-gestützte Entwicklungspraktiken und deren praktische Anwendung auf institutionelles Investment Reporting und Analytik bewerten.
- Leitung von Forschung und Identifizierung neuer Technologien, Techniken und Methoden, die KI-gestützte Analysen, semantische Abfragen, Reporting-Automatisierung, Datenqualität und die Generierung von Investment-Erkenntnissen verbessern können.
Was Sie mitbringen
- 5+ Jahre Erfahrung in angewandter KI, Data Science, Analytics Engineering, Data Engineering oder Senior Analytics-Rollen, mit nachgewiesener Fähigkeit, LLMs, RAG, Prompt Engineering oder KI-gestützte Entwicklung auf praktische Geschäfts- oder Reporting-Anwendungsfälle anzuwenden.
- Fortgeschrittene Python- und SQL-Kenntnisse, einschließlich der Fähigkeit, KI-gestützte Coding-Praktiken zur Prototypenentwicklung von Analyse-Lösungen zu nutzen, traditionelle Data-Science-Techniken anzuwenden, komplexe Transformationen durchzuführen, Abfragen zu optimieren und Ergebnisse zu validieren.
- Solide Grundlagenkenntnisse institutioneller Investmentprodukte und -analysen, einschließlich öffentlicher und privater Märkte, Derivate, Benchmarks und Performance-Kennzahlen in einem institutionellen Investmentumfeld.
- Erfahrung im Entwerfen oder Nutzen von semantischen Schichten, gesteuerten Metrikansichten, kuratierten Reporting-Datensätzen, dimensionalen Modellen, Aggregationsschichten oder analytischen Marts, die von BI-, Analyse- und KI-gestützten Abfragetools verwendet werden.
- Vertrautheit mit Cloud-Technologien, Produktions-Ingestions- und Orchestrierungsmustern sowie praktische Erfahrung mit Cloud- und On-Premises-Datenbanken. Erfahrung mit Snowflake, Microsoft Fabric, SAP HANA, Power BI oder Qlik ist besonders wünschenswert.
- Praktische Erfahrung mit generativer KI, LLMs, Retrieval-Augmented Generation (RAG), Prompt Engineering, Natural Language Processing (NLP) oder KI-gestützter Analytik für Geschäfts-, Finanz-, Reporting- oder Entscheidungsunterstützungs-Anwendungsfälle.
- Starke Problemlösungsfähigkeiten und die Fähigkeit, kritisch, kreativ und pragmatisch zu denken, um innovative Lösungen zu entwickeln, die KI-Fähigkeiten, Geschäftswert, Governance und Wartbarkeit ausbalancieren.
- Effektive Kommunikationsfähigkeiten, um KI-Lösungsdesigns, Datenmodelle, Metrikdefinitionen, Analyseergebnisse und Kompromisse zu erklären und diese in Geschäftsempfehlungen für technische und nicht-technische Stakeholder zu übersetzen.
- Ein Bachelor- oder Master-Abschluss in Informatik, Statistik, Data Science, Finanzen, Ingenieurwesen oder einem verwandten Fachgebiet.
- Fähigkeit, selbstständig mit minimaler Anleitung zu arbeiten, bestehende Teamstärken zu ergänzen und die Verantwortung für KI-gestützte Analyseergebnisse vom Prototyp bis zur praktischen Anwendung zu übernehmen.
- Hohe Aufmerksamkeit für Details, Genauigkeit und Vollständigkeit.
- Nachgewiesene Fähigkeit, selbstbewusst und effektiv mit allen Ebenen der Organisation zu interagieren und starke Arbeitsbeziehungen in einem teamorientierten, kollaborativen Umfeld aufzubauen.
- Teilen der Kernwerte von HOOPP: Professionalität, Verantwortlichkeit, Zusammenarbeit, Mitgefühl und Vertrauenswürdigkeit.
Die erwartete jährliche Grundgehaltsspanne für diese Position beträgt: $103,000 - $153,000 CAD
DAS TATSÄCHLICHE GRUNDGEHALT, DAS DEM ERFOLGREICHEN KANDIDATEN ANGEBOTEN WIRD, KANN BASIEREND AUF MEHREREN FAKTOREN VARIieren, EINSCHLIESSLICH, ABER NICHT BESCHRÄNKT AUF, DER EXPERTISE UND DEM ERFAHRUNGSNIVEAU DES EINZELNEN, DAS FÜR DIE ANGEBOTENE ROLLE GILT.
DIESE POSITION IST BERECHTIGT ZUR TEILNAHME AN DISKRETIONÄREN ANREIZPLÄNEN, GEMÄSS DEN BEDINGUNGEN DES ANWENDBAREN ANREIZPLANTEXTES.
Diese Stelle betrifft eine bestehende Vakanz.
HOOPP kann Tools der künstlichen Intelligenz verwenden, um bei der Vorauswahl, Bewertung und Auswahl von Bewerbern für diese Position zu unterstützen. Diese Tools unterstützen unseren Rekrutierungsprozess, ersetzen jedoch nicht das menschliche Urteilsvermögen und die Entscheidungsfindung.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen