Analytics Engineer - Brighterly

Що варто знати про SKELAR? Це венчур-білдер — іншими словами, компанія, яка будує компанії. З нами фаундери створюють consumer-бізнеси, які стають лідерами на глобальних ринках EdTech, Mental health, Petcare, FashionTech та інших.
Скеларівці будують tech-продукти, які здобувають відзнаки від Product Hunt, The Webby Awards та отримують тисячі позитивних відгуків на TrustPilot. Загалом tech-продуктами наших бізнесів користуються 10+ млн людей у світі.
Усе завдяки сильним командам, бо наші спеціалісти — це ключова цінність SKELAR.
Для професійної реалізації ми створили середовище з експертизою та необмеженими можливостями — і шукаємо тих, хто прагне викликів.

Зараз ми в пошуку Analytics Engineer в Brighterly.

Brighterly — глобальний EdTech-стартап на ринку США: онлайн-платформа, де діти опановують математику та англійську мову. У нас 6 500+ активних студентів і 615 000+ проведених уроків. Brighterly — один з бізнесів SKELAR, венчур-білдера, продуктами якого користуються 10+ млн людей у світі.
У нас уже працює власна аналітична AI-платформа: dbt-моделі в BigQuery, semantic layer, AI-асистент до даних, AI-агенти та оркестратор. Бізнес-команди вже зібрали на ній понад 100 інструментів. Тобі не треба будувати з нуля — ти розвиватимеш те, що вже працює.

Які виклики тебе чекають:
Розвивати платформу та доводити її частини до стабільного продакшн-рівня;
Будувати dbt-моделі та метрики, щоб уся компанія брала цифри з одного джерела;
Покращувати AI-агентів: міряти якість їхніх відповідей і виправляти, де вони помиляються;
Вести AI-трансформацію клієнтського сервісу як перший великий проєкт;
Брати участь в архітектурних рішеннях платформи.

Що для нас важливо:
2+ роки впевненої роботи з SQL і BigQuery або іншим хмарним сховищем;
Досвід з dbt у продакшні;
Впевнено пишеш код — мова не важлива — і доводив хоча б один пайплайн чи сервіс до стабільної роботи;
Щодня працюєш з AI-інструментами (Claude Code, Cursor чи аналогом) і вмієш перевірити, що згенероване працює правильно;
Маєш кейс, де сам провів задачу від сирих даних до інструменту, яким користується бізнес, і відповідав за нього після запуску.

Однозначно буде плюсом:
Досвід з LLM у продакшні та evals;
Semantic layer (LookML, dbt metrics чи аналог);
GCP або AWS, CI/CD для даних і DataOps-практики;
TypeScript.