ambi.
Polaris Bank Limited
Leiter:in Data & Intelligence Engineering
PythonSQLAWS
Automatische Übersetzung. Prüfe das Original.
Über die Rolle
Der/die Leiter:in Data & Intelligence Engineering verantwortet die Datenplattformen, Analyse- und KI-Fähigkeiten, die die Entscheidungsfindung und personalisierte Kundenerlebnisse bei Polaris Bank ermöglichen. Dies ist eine Führungsposition, die vier Fachdisziplinen – Data Engineering, Analytics & BI, Data Science & AI und Data Governance – durch dedizierte Leads und Ingenieure leitet, nicht als eigenverantwortliche Einzelperson in allen vier Bereichen.
Hauptverantwortlichkeiten
Überwachung des Data Engineering
- Leitung des Designs von skalierbaren, zuverlässigen Datenpipelines, Data Warehouses und ETL-Infrastrukturen
- Festlegung von Standards für Datenmodellierung und Infrastrukturarchitektur, die in den Datenplattformen der Bank verwendet werden
Überwachung von Analytics & BI
- Sicherstellung, dass die Analysefunktion Dashboards, Berichte und Self-Service-Tools liefert, die datengesteuerte Entscheidungen in der gesamten Bank fördern
- Festlegung von Standards für Datenvisualisierung und Konsistenz von Berichten
Überwachung von Data Science & AI
- Leitung der Entwicklung von KI/ML-Modellen zur Unterstützung von Personalisierung, Betrugserkennung, Kreditwürdigkeitsprüfung und operativer Optimierung
- Sicherstellung, dass Modellleistung, Fairness und Zuverlässigkeit vor der Produktionsbereitstellung validiert werden
Überwachung der Data Governance
- Sicherstellung der Durchsetzung von Praktiken zur Datenqualität, zum Datenschutz und zur Metadatenverwaltung über alle Datenbestände hinweg
- Verantwortung für das Data-Governance-Framework der Bank und Sicherstellung der Einhaltung gesetzlicher Vorschriften bei der Datenverarbeitung
Kernkompetenzen
- Strategie für Datenplattformen und technische Führung in den Bereichen Engineering, Analytics und Data Science
- Arbeitsfließende Kenntnisse im Management des KI/ML-Modell-Lebenszyklus und in MLOps-Praktiken
- Starke Kenntnisse in den Bereichen Datenschutz und Einhaltung gesetzlicher Vorschriften (NDPR und geltende Bankdatenschutzbestimmungen)
- Stakeholder-Management über Technologie-, Risiko- und Geschäftsfunktionen hinweg
Vertrautheit mit Tools (verwendet von den Teams der Funktion)
Python, SQL, Apache Spark, Airflow, Kafka, Databricks, Snowflake, AWS Glue, dbt; Power BI, Tableau, Looker, Metabase; TensorFlow, PyTorch, Scikit-learn, MLflow, SageMaker, Kubeflow; Collibra, Informatica
Anforderungen
Qualifikationen
- Bachelor-Abschluss in Informatik, Data Science, Statistik oder einem verwandten Fachgebiet; ein fortgeschrittener Abschluss ist von Vorteil
- Nachgewiesene Erfolgsbilanz in der Leitung von Data Engineering-, Analytics- oder Data-Science-Funktionen, idealerweise im Bank- oder Finanzdienstleistungssektor
