Текст заказа
Senior AI & Engineering Analytics Consultant
Компания: PKO BP Finat
Город: Warszawa
opis projektu: Transformacja inżynierii oprogramowania poprzez budowę i rozwój organizacyjnych, procesowych i technologicznych fundamentów do adopcji generatywnej AI w procesie SDLC (Software Development Life Cycle). Opis stanowiska Usługi obejmują w szczególności: Ocenę obecnie stosowanych metryk i dobór nowych, adekwatnych do celów organizacji Implementacja metryk end-to-end: definicja, źródło danych, automatyzacja zbierania, dashboard Pozyskiwanie i łączenie danych z Jira, GitLab, GitHub i Gerrit (API, SQL) Liczenie i monitorowanie metryk DORA, Lead Time for Changes, Cycle Time i flow metrics Budowę i rozwój dashboardów KPI w Power BI Interpretację wyników i wskazywanie wąskich gardeł w procesie Tłumaczenie wyników na język biznesu: time-to-market, koszt opóźnień, ryzyko operacyjne, wpływ na klienta Pomiar efektów wdrożenia narzędzi GenAI (adopcja, wpływ na produktywność i jakość, zwrot z inwestycji w licencje) Wsparcie przy rozwiązaniach opartych o integrację z LLM Przygotowywanie rekomendacji usprawnień i mierzenie ich efektów Dokumentowanie definicji metryk, metodyki i raportów w Confluence Prezentowanie wyników zespołom i managementowi Raport adopcji narzędzi oraz ich wpływu na szybkość i jakość pracy Porównanie z poziomem bazowym, z uwzględnieniem innych zmian w zespołach Oszacowanie opłacalności licencji i kosztów wdrożenia, z jawnymi założeniami. Sama adopcja nie stanowi dowodu wzrostu produktywności Metodyka, definicje i raporty przygotować i dodać do Confluenca Zasady utrzymania rozwiązania oraz prezentacja wniosków interesariuszom Udokumentowane definicje, wzory, źródła danych, zakres pomiaru i częstotliwość aktualizacji Wskazanie etapów powodujących oczekiwanie, opóźnienia i przeróbki Ocena stosowanych metryk, dostępności i jakości danych Wskazanie braków oraz ustalenie poziomu bazowego do późniejszych porównań Lista rekomendacji z priorytetami, właścicielami, terminami i miernikami sukcesu Uzgodnione cele KPI oraz sprawdzenie rezultatów po wdrożeniu zmian Widok szybkości dostarczania, stabilności, jakości i przepływu pracy Trendy, mediany i percentyle oraz możliwość analizy zespołów i usług Czytelna prezentacja dla zespołów i managementu Powtarzalny proces zasilania danymi z Jira, GitLab, GitHub i Gerrit oraz innych narzędzi DevOps Kontrola kompletności, spójności i aktualności danych Analiza tego, co mamy aktualnie, oraz ocena, jak interpretować dane i jaki jest trend Wymagania Min. [3-5] lat doświadczenia w analityce danych, Platform Engineering, DevOps lub obszarze Agile/procesów IT Narzędzia deweloperskie i analityczne Bardzo dobra znajomość Jira (JQL, workflow, historia statusów, dashboardy) Bardzo dobra znajomość Confluence Praktyczna znajomość GitLab (CI/CD, pipeline'y, deploymenty, Merge Requesty) Praktyczna znajomość GitHub (repozytoria, Pull Requesty, GitHub Actions, API) Praktyczna znajomość Gerrit (proces code review, patchsety, czasy review) Swobodne posługiwanie się SQL (JOIN, agregacje, CTE, funkcje okna) Doświadczenie w Power BI (modelowanie danych, Power Query, DAX, dashboardy) GenAI i narzędzia AI Rozumienie działania modeli językowych (LLM), ich możliwości i ograniczeń (halucynacje, bezpieczeństwo danych, koszty) Praktyczna znajomość prompt engineeringu i podstaw RAG Doświadczenie w integracji LLM z aplikacjami lub procesami przez API Praktyczne korzystanie z GitHub Copilot i znajomość metryk jego adopcji Korzystanie z Microsoft Copilot w codziennej pracy analitycznej Znajomość narzędzi do pracy z wiedzą, np. NotebookLM, Google Vertex AI Metryki i analiza Znajomość metryk DORA (DevOps Research and Assessment): deployment frequency, lead time for changes, change failure rate, failed deployment recovery time, rework rate Rozumienie różnicy między Lead Time for Changes a Cycle Time i umiejętność liczenia obu Umiejętność oceny i doboru metryk do celów organizacji oraz ich wdrożenia w praktyce Umiejętność interpretacji wskaźników KPI: praca na medianach i percentylach, analiza trendów, łączenie metryk szybkości ze stabilnością Umiejętność przełożenia metryk na znaczenie biznesowe, np. lead time jako szybkość dostarczania wartości, change failure rate jako ryzyko dla klientów, rework jako koszt przeróbek Umiejętność przekładania wyników analizy na konkretne rekomendacje i cele KPI Umiejętność oceny jakości danych przed wyciąganiem wniosków Oferujemy kontrakt B2B współpraca do 31.12.2026r, z możliwością przedłużenia od lutego przyszłego roku na dłuższy okres opcjonalnie pakiet Luxmed i Kafeteria MyBenefit Aplikuj