AI & Engineering Analytics Analyst

O projekcie Miejsce pracy: Warszawa (Hybrydowo) około 2 dni onboardingu w biurze, następnie 1 raz w tygodniu

Start: ASAP

Forma współpracy: B2B z ITFS

Stawka: 165 PLN/h + VAT

Proces rekrutacyjny: Krótka rozmowa telefoniczna z rekruterem ITFS -> Rozmowa techniczno-projektowa z Klientem -> Decyzja

Zakres obowiązków

• Ocena stosowanych metryk oraz dobór nowych, adekwatnych do celów organizacji,
• Implementacja metryk end-to-end (definicja, źródła danych, automatyzacja zbierania, dashboardy),
• Pozyskiwanie i łączenie danych z narzędzi Jira, GitLab, GitHub i Gerrit przy użyciu API oraz SQL,
• Liczenie i monitorowanie metryk DORA, Lead Time for Changes, Cycle Time oraz flow metrics,
• Budowa i rozwój dashboardów KPI w Power BI,
• Interpretacja wyników i identyfikacja wąskich gardeł w procesie SDLC,
• Tłumaczenie wyników analiz na język biznesu (time-to-market, koszt opóźnień, ryzyko operacyjne, wpływ na klienta),
• Pomiar efektów wdrożenia narzędzi GenAI (adopcja, wpływ na produktywność i jakość, ROI z licencji),
• 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 oraz managementowi.

Wymagania

• Min.3-5 lat doświadczenia w analityce danych, Platform Engineering, DevOps lub obszarze Agile/procesów IT
• Bardzo dobra znajomość Jira i Confluence oraz praktyczna znajomość GitLab, GitHub i Gerrit.
• Swobodna znajomość SQL oraz doświadczenie w Power BI, w tym modelowaniu danych i tworzeniu dashboardów.
• Znajomość modeli LLM, prompt engineeringu, podstaw RAG oraz integracji rozwiązań AI przez API.
• Praktyczna znajomość GitHub Copilot i Microsoft Copilot oraz narzędzi wspierających pracę z wiedzą, np. NotebookLM i Google Vertex AI.
• Znajomość metryk DORA, Lead Time for Changes i Cycle Time oraz umiejętność ich obliczania i interpretacji.
• Umiejętność doboru i wdrażania KPI, analizy trendów oraz oceny jakości danych.
• Umiejętność przekładania wyników analiz na rekomendacje biznesowe i działania optymalizacyjne.