Member of Data Staff (Data Acceleration)

Мы ищем человека, который был сильным data scientist, analytics engineer или data engineer: того, кто знает, какая метрика действительно важна, умеет спроектировать A/B-тест, отвечающий на настоящий вопрос, глубоко погружался в модель данных, потому что что-то не сходилось, и решил, что самое результативное, что он может делать дальше, — создавать AI-системы, которые коренным образом меняют подход к работе в data science.

Вы будете создавать AI-агентов и внутренние системы, которые всё лучше справляются с полным циклом аналитических задач: формулируют гипотезы, пишут и выполняют запросы, интерпретируют результаты и готовят рекомендации — с надлежащей оценкой качества, проверкой и ограничениями безопасности. Вы будете создавать инфраструктуру извлечения данных (retrieval) и циклы оценки, которые позволяют AI-системам надёжно обращаться к хранилищу данных. Вы будете создавать процессы, которые обнаруживают и диагностируют проблемы с данными и помогают исправлять их до того, как они станут проблемами всей компании. Вы будете создавать инфраструктуру, которая умножает результат, который может выпускать небольшая команда данных.

Вы присоединитесь к команде данных, которая уже использует AI во всей своей работе. Следующий шаг — превратить отдельные рабочие процессы в масштабируемые системы, общие инструменты и AI-native операционную модель, которая станет эталоном того, как работают современные команды данных.

• Создавать AI-агентов, которые занимаются data science — не просто SQL-копилотов, а системы, способные безопасно исследовать данные, формулировать гипотезы, выполнять запросы, интерпретировать результаты и формировать практичные рекомендации с понятной оценкой и циклами проверки человеком.
• Обеспечить надёжные запросы AI-систем к хранилищу данных — создавать инфраструктуру извлечения данных (retrieval) и циклы оценки, которые позволяют агентам точно использовать наш семантический контекст и метаданные.
• Ускорять AI-native работу с данными — превращать лучшие существующие процессы с поддержкой AI в повторяемые системы, переиспользуемые инструменты и подходы, которые может принять вся команда данных.
• Автоматизировать жизненный цикл данных — создавать самовосстанавливающиеся пайплайны, автоматическую генерацию и валидацию моделей dbt, агентов контроля качества данных и процессы диагностики, сокращающие ручное «тушение пожаров».
• Выпускать анализ экспериментов на базе AI — создавать агентов, которые интерпретируют результаты A/B-тестов, отмечают статистические проблемы, определяют вероятные факторы и готовят рекомендации «выпускать/не выпускать».
• Превратить команду данных в продуктовую команду — создавать внутренние дата-продукты, которыми заинтересованные стороны пользуются каждый день, заменяя разовые запросы AI-интерфейсами самообслуживания.
• Отвечать за весь жизненный цикл — находить задачи с максимальным эффектом, делать прототипы с LLM, оценивать точность, проектировать UX, выпускать в production и со временем отслеживать качество.

• 6+ лет опыта в data science, analytics engineering, data engineering или смежной роли. Вы достаточно близко работали с реальными данными, чтобы знать, что следует автоматизировать, а что нет.
• Глубокое знание SQL и аналитическое чутьё — вы умеете рассуждать о метриках, экспериментах, моделях данных и непростой реальности хранилищ данных, не полагаясь на инструмент, который думает за вас.
• Сильное продуктовое мышление — вы понимаете, что на самом деле нужно заинтересованным сторонам, что делает процесс пригодным для внедрения и как превратить прототип в продукт, которым пользуются.
• Практический опыт работы с LLM — вы создавали решения на frontier-моделях, агентах, RAG-системах, evals или AI-процессах и имеете мнение о том, где они работают, а где нет.
• Свободное владение пайплайнами и моделированием — вы работали с dbt, схемами хранилищ, проблемами качества данных и практическими компромиссами, лежащими в основе долговечных систем данных.
• Мышление создателя — увидев ручной процесс, вы сразу думаете, как его систематизировать. Вы быстро выпускаете, измеряете качество и итерируете.
• Самостоятельность — это новое направление. Вы будете помогать определять roadmap не меньше, чем выполнять его.

• Опыт создания production AI-агентов или систем оценки агентов.
• Опыт работы со Snowflake, семантическими слоями или системами метаданных.
• Опыт создания внутренних инструментов, ботов для Slack, CLI или продуктов для повышения продуктивности разработчиков, которыми действительно пользовались.
• Сильный опыт в экспериментировании, включая проектирование метрик и статистическую интерпретацию.
• Опыт работы с BI-инструментами и умение понимать, что следует автоматизировать, а что оставить на проверку человеком.
• Опыт работы в стартапе на ранней стадии.

• Задавайте стандарт для отрасли — команда данных Perplexity уже использует AI во всей своей работе. Вы превратите это в эталон, на который равняются другие команды данных.
• Создавайте AI с помощью AI — Perplexity создаёт AI для людей, которые ждут большего. Вы привнесёте тот же уровень амбиций в то, как компания работает с данными.
• Frontier-модели с первого дня — вы работаете в AI-компании с доступом к frontier-инфраструктуре и рядом с людьми, которые глубоко понимают, что возможно.
• Огромный рычаг — системы, которые вы создадите, умножат результат каждого участника команды данных и каждой заинтересованной стороны, которой нужны данные.
• Прямое влияние — небольшая команда, никаких многоуровневых согласований. От идеи до работающей системы за дни, а не кварталы.