Старший менеджер продукта в Data Platform

Data Platform — подразделение в департаменте AI, контентных и рекомендательных сервисов. Команда создаёт внутренние сервисы и продукты для использования данных в аналитике, развитии продуктов и машинном обучении. Наша ключевая цель — сделать данные полезными для каждого сервиса и проекта компании VK.

Задачи

• Определять стратегию, цели и приоритеты развития Data Platform в части инструментов для работы с данными — LLM-agent, self-service ETL, Предсконфигурированные Jupyter-ноутбуки, Единый оркестратор, Банк метрик, Единый Git, DataHub (lineage и метаданные)

• Быть центром коммуникации для всех заказчиков вверенных продуктов, управлять их ожиданиями и релевантным образом управлять бэклогом core-разработки

• Выстраивать централизирующую функцию инструментов Data Platform для бизнес-юнитов и команд, использующих их в своей аналитической и инженерной деятельности

• Совместно с командами core-разработки формулировать цели, архитектурные решения и требования к системам и инструментам, обеспечивающим единый цикл работы с данными, и синхронизировать сформированные цели с целями заказчиков

• Отвечать за верхнеуровневую архитектуру, CJM, взаимную интеграцию и целостность экосистемы инструментов (OneGit как центральный компонент, увязывающий ETL-инструменты, DataHub, lineage и метаинформацию)

• Формировать и поддерживать синхронизированные бэклоги по каждому из инструментов, обеспечивать их согласованность между командами и с общей стратегией развития платформы

• Управлять приоритизацией задач, контролировать выполнение, влиять на ход разработки, даже если команды находятся вне прямого подчинения (матричная структура)

• Ответственность за аудиторные метрики над данными и инструментами — понимать, какие данные и где используются, строить контроль и мониторинг их качества и покрытия

• Развивать культуру продуктового подхода в инженерных командах, соединяя техническую глубину и ориентацию на бизнес-ценность

• Работать руками с инструментами — тестировать фичи, проверять сценарии использования, на основании опыта вносить улучшения и управленческие корректировки

Требования

• Глубокое понимание принципов построения ETL-инфраструктуры, работы с оркестраторами, CI/CD-практик для data pipelines, управления схемами и метаданными, работа RAG-систем и LLM-агентов

• Практический опыт в архитектуре и проектировании инструментов самообслуживания для data-инженеров и аналитиков (Airflow, Spark, dbt, Prefect, Jupyter, Kafka и другие — любые аналоги)

• Опыт руководства командами или направлениями не менее двух лет (Team Lead / Tech Lead / Product Owner уровня), умение ставить цели и управлять приоритетами в матричной структуре

• Умение работать на стыке — понимать технические детали (до уровня кода и инфраструктуры) и одновременно мыслить как продакт, выстраивая ценность и метрики успеха

• Понимание архитектуры data mesh / data platform / data governance, принципов lineage, каталогов метаданных и управления качеством данных

• Развитые навыки коммуникации и фасилитации — умение выстраивать взаимодействие с core-командами, аналитиками, разработчиками и менеджментом