Wymagania

Technologie wymagane

SQL

Python

TensorFlow

Nasze wymagania

• Wykształcenie wyższe na kierunkach powiązanych z informatyką/przetwarzaniem danych/statystyką.
• Praktyczna wiedza i potwierdzone kompetencje w zakresie danych, nabywane i rozwijane w sposób ciągły, w okresie powyżej 2 lat: data engineering, data science, business intelligence, data analysis.
• Umiejętność analitycznego i algorytmicznego myślenia oraz syntezy informacji.
• Umiejętności wypracowywania rozwiązań technologicznych, prowadzenia projektów oraz koordynacji prac w ramach portfela zmian obszaru (waterfall/agile).
• Bardzo dobra znajomość języka Python, SQL oraz frameworków PyTorch lub TensorFlow, LangChain.
• Dobra znajomość rozwiązań chmurowych (np. Microsoft Azure, Databricks, Salesforce)
• Znajomość i doświadczenie, nabywane i rozwijane w sposób ciągły, w okresie powyżej 2 lat:
• z bazami danych i SQL
• w pracy z MS Office, Power Query
• w pracy z językami programowania Python, DAX
• w projektowaniu i automatyzacji procesów zasileń: batch, ETL, strumieniowych (on-line), wykorzystaniu API
• w projektowaniu i rozwoju zaawansowanych algorytmów przetwarzania danych
• W pracy z modelami genAI
• Doświadczenie/współpraca w budowaniu modeli statystycznych (w tym predykcyjnych).
• Podejście „Can do”, umiejętność rozwiązywania problemów i podejmowania decyzji’
• Doskonałe planowanie i organizacja pracy, nastawienie na jakość, dokładność i systematyczność.
• Umiejętność współpracy w Zespole oraz sprawnego komunikowania się w środowisku biznesowym oraz IT.
• Wysoka kultura zawodowa i osobista.
• Umiejętność udzielania i otrzymywania feedbacku.
• Znajomość języka angielskiego w stopniu komunikatywnym.

Mile widziane

• Doświadczenie z narzędziami BI (np. Power BI)

Twój zakres obowiązków

• Prowadzenie i właścicielstwo kluczowych inicjatyw i projektów przetwarzania danych w Pionie Bankowości Biznesowej i Korporacyjnej.
• Tworzenie rozwiązań AI wspierających inicjatywy biznesowe Santander Bank Polska.
• Wprowadzanie i rekomendowanie rozwiązań i kierunków w przetwarzaniu danych.
• Identyfikacja brakujących danych, rekomendacje wykorzystania nowych źródeł danych, analiza dostępności i modelu zasilania.
• Integracja i wprowadzanie rozwiązań opartych o nowe źródła danych.
• Łączenie danych z różnych źródeł, przygotowanie danych i procesów dla jednostek w obszarze.
• Automatyzacja procesów wokół danych, tworzenie automatycznych zadań cyklicznych oraz rozwój mechanizmów zarządzania zadaniami.
• Stosowanie i dokumentowanie standardów przetwarzania - spójnych definicji oraz procesów. Dbałość o optymalne wykorzystanie narzędzi w obszarze danych.
• Przygotowanie, wskazywanie kierunków rozwoju oraz optymalizacja algorytmów przetwarzania danych.
• Kreowanie rozwiązań i ukierunkowanie prac mających na celu wycenę wartości danych pod kątem użyteczności biznesowej.
• Przygotowanie rozwiązań opartych o BI oraz genAI.