数据与可视化工程师

与Life Data、MI和分析团队合作，负责将数据转化为决策，构建可靠的datasets，并创建清晰的业务导向可视化，支持Life业务中的自信决策。与业务利益相关者紧密合作，将他们的需求转化为精心设计的数据模型、语义层、共享数据集和可重复的数据产品，并通过报告提供洞察，使复杂信息易于理解和行动。你将负责工作栈的元素，帮助将复杂和模糊的需求转化为清晰的交付，帮助业务使用可信且高质量的数据，按时交付，符合最重要的客户和业务结果。

负责构建可使用的数据，包括设计、构建和维护ELT管道和对最佳实践和企业策略/政策对齐的定制数据模型。生产具有文档和相关数据质量检查的治理数据产品。构建干净且高性能的Power BI模型和报告，使用最佳实践DAX、数据建模和视觉讲故事。设计自助服务准备的BI资产，具有直观的导航、钻探路径、KPI和过滤器。文档指标定义、业务规则和逻辑在清晰可重用的格式中。验证源数据，嵌入数据质量规则和监控。调查问题使用结构化根本原因分析，并与领域专家合作解决。维护文档、线性和控制作为交付生命周期的一部分。确保语义模型和数据集版本化、文档化并按照团队和企业标准发布。

参与backlog细化、估算和规划。迭代交付，快速反馈循环。与跨职能团队和业务伙伴、技术合作伙伴和更广泛的团队紧密合作。沟通影响、风险和权衡，清晰且早。与业务团队（运营、提案、建议、分销、营销、财务等）合作，了解期望的结果、关键决策和约束。领导发现会议，映射当前报告、源系统、依赖性和痛点。运行结构化需求收集研讨会、访谈和数据 walkthroughs。将模糊请求转化为清晰的要求（指标、维度、逻辑、刷新周期、SLAs）。挑战和精炼需求，协调冲突的定义并推动一致的共享真相版本。支持和执行测试，将反馈纳入迭代改进。

成功看起来像：利益相关者定期使用你的数据产品和/或报告来做出及时、自信的决策。语义模型和定义在业务领域中一致，减少了重新工作。数据管道和可视化是可靠、高性能且易于维护的。数据质量问题被识别、跟踪和解决，趋势随时间改善。你让复杂概念简单——你的文档使其他人能够自助服务。

利益相关者参与与需求获取：熟练理解业务背景并将其转化为结构化数据/BI需求。能够协调冲突的定义并推动一致的共享真相版本。有经验主持研讨会、walkthroughs、UAT会议和迭代审查周期。捕捉功能性及非功能性需求，包括数据延迟、刷新周期、依赖性、线性和数据敏感性。数据建模、架构和语义：有经验设计数据模型以创建数据产品和/或交付分析。经验设计和维护共享数据集和语义层，具有版本控制和所有权。在Power BI模型设计、DAX优化和计算重用方面有强技能。理解本体、业务词典和语义层；能够将业务概念映射到一致的结构。数据工程：精通SQL包括窗口函数、集合理论、优化。经验现代数据平台（Azure、Databricks、Lakehouse模式）。了解ELT/ETL管道、增量处理、作业编排和版本控制。接触API集成、JSON和其他编程语言（如Python）。可视化和BI：在Power BI开发技能方面有强技能：数据建模、DAX、视觉设计和性能调优。能够设计直观的仪表板，具有清晰的KPI、导航和行动导向的洞察。质量、控制和文档：有经验数据剖析、构建DQ规则、验证指标和文档逻辑。能够创建清晰的运行手册、技术规格和业务友好的文档。沟通和协作：能够用简单术语向非技术利益相关者阐明复杂问题。与跨职能团队有效合作，与所有层级建立强关系。可选：有CI/CD经验用于Power BI和/或数据管道。熟悉工作流和/或CRM系统（如Salesforce、Marketo）。有在金融、运营和/或受监管环境工作的经验。接触领域驱动设计、知识图谱或概念建模。相关技术认证（如DP-900、PL-300、AZ-900）欢迎。

我们致力于帮助你茁壮成长，并支持你的身心健康，工作和个人生活之间取得平衡，同时规划你的未来。我们的英国福利包括：18%的养老金计划，其中13%由雇主贡献，5%由员工贡献。我们还提供Share Save和Share Incentive Plan，以及访问金融健康和支援服务的帮助。享受38天年度假，包括公共假日，有机会购买额外5天，并通过Time Off When You Need It政策获得额外灵活性。我们的市场领先Inspiring Families政策包括全面支持和带薪产假，涵盖产科、收养、代孕和父亲产假，作为我们包容文化的核心方面。健康与保护覆盖包括私人医疗、重大疾病保险和生命保险，涵盖你和家庭成员，以提供安心。我们有多样化的劳动力和包容文化，由我们的政策和员工主导的网络支持，为不同社区提供网络机会、建议和支持。无论性别、种族、年龄、性取向、国籍、残疾或长期状况，我们都致力于吸引、促进和保留杰出的人才。我们还欢迎参与军事服务和从职业中断中返回的人才。

M&G的值，要求一个人：以关怀和诚信处理数据，保持透明沟通；保持简洁，专注于代码、指标和视觉的清晰与可重用性；交付结果，优先考虑成果，快速迭代并持续改进；协同工作，与直接团队、更广泛的AI团队、技术和业务部门开放合作。