Klient to duża i stabilna organizacja z sektora bankowego. Projekt skupia się na transformacji inżynierii oprogramowania poprzez budowę i rozwój organizacyjnych, procesowych oraz technologicznych fundamentów, które umożliwią efektywną adopcję generatywnej AI (GenAI) w całym cyklu życia oprogramowania.

Zakres obowiązków na tym stanowisku:

  • Analiza obecnie stosowanych metryk efektywności procesów wytwarzania oprogramowania oraz dobór nowych wskaźników adekwatnych do celów organizacji.

  • Kompleksowe wdrażanie metryk end-to-end: od identyfikacji źródeł danych, przez automatyzację ich pozyskiwania (API, SQL), po wizualizację i raportowanie.

  • Pozyskiwanie, integracja i analiza danych z narzędzi takich jak Jira, GitLab, GitHub i Gerrit.

  • Definiowanie, kalkulacja i monitorowanie metryk DORA, Lead Time for Changes, Cycle Time oraz Flow Metrics.

  • Projektowanie, budowa i rozwój dashboardów KPI oraz raportów zarządczych w Power BI.

  • Analiza wyników, identyfikacja wąskich gardeł i obszarów wymagających optymalizacji w inżynierii oprogramowania.

  • Przekładanie wyników analiz technicznych na wskaźniki biznesowe (time-to-market, koszt opóźnień, ryzyko operacyjne, doświadczenia klienta).

  • Pomiar efektów wdrażania narzędzi GenAI (poziom adopcji, wpływ na produktywność, jakość wytwarzanego kodu oraz ROI z licencji).

  • Wsparcie inicjatyw związanych z rozwojem i wdrażaniem rozwiązań opartych na integracji z modelami LLM.

  • Przygotowywanie rekomendacji dotyczących usprawnień, monitorowanie ich efektów oraz dokumentowanie metryk w Confluence.

  • Prezentowanie wyników i wniosków zespołom technicznym oraz kadrze zarządzającej.

Wymagania:

  • Minimum 5 lat doświadczenia w obszarze analityki danych, Platform Engineering, DevOps lub procesów IT / Agile.

  • Gotowość do pracy w modelu hybrydowym (1 dzień w tygodniu z biura w Warszawie).

  • Bardzo dobra znajomość Jira (w tym JQL, workflow, historie statusów) oraz Confluence.

  • Praktyczna znajomość narzędzi: GitLab (CI/CD, pipelines, MR), GitHub (PR, Actions, API) oraz Gerrit (code review, patchsety).

  • Bardzo dobra znajomość SQL (w tym JOIN, agregacje, CTE, funkcje okna).

  • Doświadczenie w pracy z Power BI (modelowanie danych, Power Query, DAX, budowa dashboardów).

  • Bardzo dobra znajomość metryk DORA (Deployment Frequency, Lead Time for Changes, Change Failure Rate, Failed Deployment Recovery Time, Rework Rate) oraz różnic między Lead Time a Cycle Time.

  • Znajomość zasad działania modeli językowych (LLM), ryzyk (halucynacje, bezpieczeństwo danych) i kosztów.

  • Praktyczna znajomość prompt engineeringu, podstaw architektury RAG oraz asystentów AI (GitHub Copilot, Microsoft Copilot).

  • Umiejętność interpretacji wskaźników KPI (mediany, percentyle) i przekładania metryk technicznych na cele biznesowe.

  • Umiejętność oceny jakości, kompletności i spójności danych przed ich wykorzystaniem do analiz.

Mile widziane:

  • Doświadczenie w integracji modeli LLM z aplikacjami lub procesami biznesowymi przy użyciu API.

  • Znajomość nowoczesnych narzędzi wspierających zarządzanie wiedzą i pracę z AI (np. NotebookLM, Google Vertex AI).

  • Wcześniejsze doświadczenie komercyjne w sektorze bankowym.