مدير بيانات الأعمال

المسؤوليات الرئيسية

• قيادة فريق بيانات الأعمال في التخطيط، وتطوير، وتقديم لوحات معلومات، وتقارير، وحلول تحليلية ذات تأثير كبير
• قيادة بيانات الأعمال
• امتلاك استراتيجية بيانات الأعمال من البداية إلى النهاية وتنفيذها
• إرساء بيانات الأعمال كقدرة دعم قرار أساسية في جميع أنحاء الشركة
• تحديد وممارسة مؤشرات الأداء الرئيسية، والمقاييس، والمعايير التحليلية
• ضمان أن الرؤى توضح باستمرار ما حدث، ولماذا حدث، وما يجب القيام به بعد ذلك
• قيادة التقارير التنفيذية والتشغيلية وسرد الرؤى

التحليل، والتنبؤ، والرؤى

• الإشراف على تحليل الاتجاهات، وتحليل الأسباب الجذرية، ودراسات الترابط
• قيادة التنبؤ، والتوقعات، وتحليل السيناريوهات للتخطيط وتحديد التوقعات
• ضمان أن المخرجات التحليلية قابلة للتفسير، ومدفوعة بالافتراضات، وجاهزة للقرارات

قيادة الذكاء الاصطناعي والتطبيقات والتعلم الآلي

• قيادة وتوجيه مهندسي التعلم الآلي لتصميم، وبناء، ونشر نماذج التعلم الآلي التطبيقية
• امتلاك خارطة طريق التعلم الآلي التطبيقي وMLOps، المتوافقة مع أولويات بيانات الأعمال والشركة

- توجيه تطوير النماذج مثل

• نماذج التوصية واكتشاف الأنماط
• اكتشاف الشذوذ

- تحديد وتنفيذ معايير MLOps، بما في ذلك

• نسخ النماذج وإدارتها على مدار حياتها
• استراتيجيات النشر والعودة إلى الخلف
• مراقبة أداء النموذج، والانحراف، وجودة البيانات
• عمليات إعادة التدريب والتحقق

- ضمان أن نماذج التعلم الآلي

• مدفوعة بالأعمال وموجهة للحالات الاستخدامية
• قابلة للتفسير والتفسير
• قابلة للملاحظة والصيانة في الإنتاج

- القيادة عبر الوظائف

• العمل كشريك الاستخبارات للمنتج، والمالية، والعمليات، والهندسة
• العمل عن كثب مع فرق هندسة البيانات، والهندسة الخلفية، والمنصات لتفعيل الرؤى ونماذج التعلم الآلي

المتطلبات التقنية والتحليلية

• فهم قوي لممارسات بيانات الأعمال والتحليلات
• خبرة عملية في أدوات بيانات الأعمال (Power BI مفضلة)

- أساس تحليلي قوي، بما في ذلك

• الترابط مقابل السبب
• التنبؤ ونماذج السيناريو
• تحليل الأسباب الجذرية
• فهم صلب لمفاهيم مستودعات البيانات (BigQuery مفضلة)

- معرفة عملية بالتعلم الآلي التطبيقي، بما في ذلك

• نهج التعلم الخاضع للإشراف وغير الخاضع للإشراف
• هندسة الميزات وتقييم النماذج
• تقنيات تفسير النماذج

- معرفة عملية بمفاهيم MLOps، بما في ذلك

• نشر النماذج وإدارتها على مدار حياتها
• مراقبة تدهور الأداء وانحراف البيانات
• استراتيجيات إعادة التدريب وتدفقات التحقق
• التعاون مع فرق الهندسة على CI/CD وجاهزية الإنتاج
• القدرة على توجيه مهندسي التعلم الآلي على النمذجة والتشغيل، دون التدخل كعالم بيانات بحثي

المتطلبات

• درجة البكالوريوس في علوم الكمبيوتر، أو نظم المعلومات، أو مجال ذي صلة.
• 5+ سنوات من الخبرة في بيانات الأعمال، أو تحليل البيانات، أو إدارة البيانات.
• نشر نماذج التعلم الآلي التطبيقية، ومراقبتها، وتشغيلها بشكل موثوق في الإنتاج
• ممارسات MLOps تضمن أن النماذج تظل دقيقة، وقابلة للملاحظة، وموثوقة بمرور الوقت
• مخرجات التعلم الآلي قابلة للتفسير ويستخدمها أصحاب المصلحة التجارية بثقة
• يظل بيانات الأعمال نقطة البداية للقرارات، مع توسيع التعلم الآلي وMLOps للرؤى إلى إجراءات

المهارات المطلوبة