Senior AI & Engineering Analytics Consultant

opis projektu: 

Transformacja inżynierii oprogramowania poprzez budowę i rozwój organizacyjnych, procesowych i technologicznych fundamentów do adopcji generatywnej AI w procesie SDLC (Software Development Life Cycle).

Opis stanowiska

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

• 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, oraz ocena, jak interpretować dane i jaki jest trend

Wymagania

• Min. [3-5] lat doświadczenia w analityce danych, Platform Engineering, DevOps lub obszarze Agile/procesów IT

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

Oferujemy

• kontrakt B2B

• współpraca do 31.12.2026r, z możliwością przedłużenia od lutego przyszłego roku na dłuższy okres

• opcjonalnie pakiet Luxmed i Kafeteria MyBenefit

Aplikuj

Tech stack

• Platform Engineering
• Al Enginner
• Jira
• Confluence
• GitLab
• LLM
• API
• DORA