Analityk metryk wytwarzania oprogramowania (Power BI, DORA, GenAI)
O tej ofercie pracy
Team Connect to wiodący w Polsce dostawca usług IT w modelu nearshore i offshore. Od 2008 roku z sukcesem tworzymy oraz rozwijamy oprogramowanie dla naszych klientów.
Specjalizujemy się w wytwarzaniu oprogramowania w oparciu o metodyki Agile i DevOps - od etapu analizy, przez implementację, aż po dalszy rozwój produktu. Tworzymy aplikacje backendowe, frontendowe oraz mobilne.
Dla jednego z naszych klientów z branży bankowej poszukujemy Analityka metryk wytwarzania oprogramowania (Power BI, DORA, GenAI).
Wymagane doświadczenie
Min. [3-5] lat doświadczenia w analityce danych, Platform Engineering, DevOps lub obszarze Agile/procesów IT
Wymagane kompetencje:
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
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
Oczekiwane rezultaty realizowanych usług
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 i ocena jak intepretować dane, jaki trend
Benefity:
Długofalowa współpraca
Pakiet benefitów – Multisport, prywatna opieka medyczna, ubezpieczenie na życie
Budżet szkoleniowy
Bezpłatne lekcje angielskiego
Indywidualne wsparcie ze strony dedykowanego opiekuna firmy
Informacje rynkowe
Przeglądaj powiązane oferty pracy
Podobne oferty
Zobacz wszystkie podobne oferty pracyEmbdedded Engineer (C++/VHDL)
Tester Automatyzujący
Scrum Master
AI Engineer - Agentic AI
Analityk Systemowy
eCommerce Merchandiser
Często zadawane pytania
Jakiego wynagrodzenia mogę się spodziewać?
Ta oferta nie podaje wynagrodzenia. Podobne stanowiska w Warszawie oferują zwykle około 50 844 zł (mediana z 50 ofert).
Jak aplikować na tę ofertę?
Otwórz stronę źródłową i skontaktuj się tam z pracodawcą. Finder nigdy nie pobiera opłat od osób poszukujących pracy.
Czy te oferty pracy są aktualne?
Tak. Finder regularnie odświeża oferty pracy ze źródeł publicznych i usuwa zamknięte oferty.
