الوصف الوظيفي
دور المشروع : مهندس برمجيات مخصص
وصف دور المشروع : تصميم وبناء وتكوين التطبيقات لتلبية متطلبات العمليات التجارية والتطبيقات.
المهارات الأساسية المطلوبة : خدمات بيانات SAP BusinessObjects
المهارات الجيدة أن تكون موجودة : لا يوجد
يتطلب الحد الأدنى 7.5 سنوات من الخبرة
المؤهل التعليمي : 15 سنة تعليم بدوام كامل
ملخص
بناء منصات تكامل بيانات وجودة بيانات أصلية تعتمد على الذكاء الاصطناعي باستخدام خدمات بيانات SAP BusinessObjects (BODS) من خلال دمج خبرة عميقة في ETL وإدارة البيانات والمعرفة الوصفية مع أنماط الذكاء الاصطناعي (نماذج اللغة الكبيرة + الأدوات + الاسترجاع + التقييم). يركز هذا الدور على الانتقال من ETL التقليدي إلى خطوط أنابيب بيانات ذكية ذاتية التحسين يمكنها التفكير في هياكل البيانات واكتشاف الشذوذ وتوصية التحولات وتسريع تحديث البيانات - دون الحاجة لتدريب نماذج أساسية من الصفر.
المسؤوليات الأساسية
1) تكامل البيانات المؤسسية وهندسة ETL
تصميم وتطوير وتشغيل وظائف تكامل بيانات BODS للبيانات الهيكلية وشبه الهيكلية عبر أنظمة SAP وغير SAP.
تنفيذ خطوط أنابيب بيانات قوية تدعم التحليلات والتقارير وتخزين البيانات والتطبيقات اللاحقة.
بناء تدفقات بيانات قابلة لإعادة الاستخدام، وسير عمل، وتحويلات متوافقة مع معايير هندسة البيانات المؤسسية.
2) نمذجة البيانات والتحويل والإثراء
تصميم منطق تحويل معقد باستخدام ميزات BODS مثل الاستعلامات والتحويلات والبحث والتسلسلات الهرمية والأشياء القابلة لإعادة الاستخدام.
تنفيذ منطق الإثراء والتوحيد والتنسيق عبر أنظمة المصدر المتعددة.
تطبيق ممارسات نمذجة البيانات القياسية لتقليل التكرار وتعقيد النقطة إلى النقطة.
3) جودة البيانات، والتوصيف، والحكومة
تنفيذ قواعد جودة البيانات للتحقق والتنظيف والمطابقة وإزالة التكرار والتوحيد.
بناء خطوط أنابيب التوصيف والتحقق لتقييم اكتمال البيانات ودقتها وتناسقها وزمنها.
دعم متطلبات الحوكمة من خلال وظائف واعية للنسب، ومسارات تدقيق، وتحويلات قابلة للتتبع.
4) هندسة البيانات الأصلية المعتمدة على الذكاء الاصطناعي (طبقة ETL الوكيلة)
بناء وكلاء هندسة البيانات يمكنهم:
o تحليل البيانات الوصفية المصدرية وتوصية منطق التحويل.
o اقتراح قواعد جودة البيانات بناءً على الأنماط الملاحظة والمشكلات التاريخية.
o توليد تلقائي لخرائط ETL الأولية وهيكل الوظائف، تم التحقق منها وفقًا للمعايير المؤسسية.
تنفيذ مساعدة مستندة إلى الاسترجاع تستخدم كتالوجات البيانات الوصفية، ومستندات الخرائط، والقواعد التجارية، والعيوب التاريخية لإنتاج توصيات قابلة للتحقق.
تمكين الاستكشاف الحواري لخطوط أنابيب البيانات (على سبيل المثال، لماذا فشل هذا السجل، ماذا تغير في تحميل الأمس) مع مخرجات موثوقة وقابلة للتدقيق.
5) الاختبار والتحقق وحلقات التقييم
تصميم استراتيجيات تحقق آلية: فحوصات المخطط، وعدد الصفوف، قواعد التسوية، فحوصات النزاهة المرجعية، ومقارنات الانحدار.
إنشاء أدوات تقييم لسلوكيات الذكاء الاصطناعي: مجموعات بيانات ذهبية للتحولات، فحوصات دقة للقواعد المولدة، واكتشاف الانحراف.
فرض قيود على إصدارات منطق ETL والمصنوعات المولدة بواسطة الذكاء الاصطناعي من خلال عتبات جودة قابلة للقياس.
6) الأداء والقابلية للتوسع والموثوقية
تحسين وظائف ETL للأداء والقابلية للتوسع (التوازي، الدفع، التحويلات الفعالة، ضبط الموارد).
تنفيذ معالجة الأخطاء، وإمكانية إعادة التشغيل، والتماثل، وآليات الاسترداد لدعم العمليات الموثوقة.
مراقبة خطوط الأنابيب وتحديد الاختناقات أو الفشل أو أنماط تدهور البيانات بشكل استباقي.
7) العمليات والمراقبة واستجابة الحوادث
مراقبة تنفيذ الوظائف، وحجم البيانات، ومؤشرات الجودة، وتنفيذ تنبيهات متوافقة مع اتفاقيات مستوى الخدمة وتأثير الأعمال.
إجراء تحليل السبب الجذري لفشل التحميل ومشكلات البيانات وتوثيق وإجراءات وقائية آلية.
استخدام تشخيصات مدعومة بالذكاء الاصطناعي لتجميع المشكلات المتكررة وتوصية بخطوات العلاج المستندة إلى دفاتر التشغيل والحوادث السابقة.
8) التحديث وتطور المنصة
دعم مبادرات التحديث من خلال دمج خطوط أنابيب BODS مع منصات البيانات السحابية وبيئات التحليل.
المساعدة في الانتقال من منطق ETL القديم نحو هياكل بيانات أكثر وحدوية، مدفوعة بالبيانات، ومعززة بالذكاء الاصطناعي.
التعاون مع مهندسي البيانات، وفرق التحليل، ومهندسي المنصة لتقديم حلول بيانات شاملة.
المهارات الأساسية (يجب أن تكون موجودة في الذكاء الاصطناعي)
خبرة عملية قوية في تطوير وتشغيل ETL باستخدام خدمات بيانات SAP BusinessObjects (BODS).
فهم قوي لأنماط تكامل البيانات، ومنطق التحويل، وممارسات جودة البيانات المؤسسية.
خبرة في تصميم خطوط أنابيب بيانات موثوقة وقابلة للتوسع مع مراعاة الأداء والحوكمة.
القدرة الأصلية المعتمدة على الذكاء الاصطناعي: سير العمل المعزز بالأدوات، والتوصيات المستندة إلى الاسترجاع، وحلقات التقييم، وحدود الأتمتة الآمنة.
المهارات الثانوية / المفيدة بشدة
أساسيات تخزين البيانات والتحليل (الحقائق، الأبعاد، التسلسلات الهرمية، التسوية).
إدارة البيانات الوصفية، ومفاهيم النسب، وأطر حوكمة البيانات.
خبرة في دمج منصات ETL مع بيئات البيانات السحابية والأدوات التحليلية الحديثة.
مهارات البرمجة أو الأتمتة لدعم تنظيم خطوط الأنابيب والأدوات التشغيلية.
ما لا يركز عليه هذا الدور
تدريب أو ضبط نماذج الذكاء الاصطناعي الأساسية.
تطوير ETL اليدوي وغير الشفاف بدون قابلية الملاحظة أو ضوابط جودة قابلة للقياس.
القيمة المقدمة
تسريع تطوير خطوط أنابيب البيانات من خلال هيكلية ETL الذكية والتوصيات المستندة.
زيادة ثقة البيانات من خلال قواعد الجودة الآلية، واكتشاف الشذوذ، وحلقات التقييم.
أسس تكامل بيانات قابلة للتوسع وحديثة تدعم التحليلات والذكاء الاصطناعي واتخاذ القرارات المؤسسية.
معلومات إضافية
يتطلب 15 سنة من التعليم بدوام كامل.
لقد تمت ترجمة هذا الإعلان الوظيفي بواسطة الذكاء الاصطناعي وقد يحتوي على بعض الاختلافات أو الأخطاء البسيطة.
