O nas i aktualny stos technologiczny:
Jesteśmy produktem webowym B2C. Obecnie mamy rozproszone dane, które muszą zostać połączone w jeden system do podejmowania decyzji marketingowych.
Baza danych: PostgreSQL (dane użytkowników).
Płatności: Stripe.
Analiza internetowa: Google Analytics 4.
Źródła ruchu: Płatne media społecznościowe (Facebook/Meta, TikTok itp.), sieci afiliacyjne, CPC (sieci reklamowe).
Cel biznesowy (Co budujemy):
Stworzyć jedno źródło prawdy (Single Source of Truth) dla marketingu. Musimy widzieć dokładny zwrot z inwestycji dla każdego źródła ruchu (Day 0 ROAS, CPL, CPS) z szczegółami do konkretnego kreatywu.
Specyfikacja techniczna: Iteracja 1 (MVP)
Twoim zadaniem jest zaprojektowanie i wdrożenie architektury danych dla pierwszej iteracji (analiza Day 0).
Zakres odpowiedzialności i etapy prac:
Projektowanie architektury (DWH & ELT)
Wybrać i uzasadnić optymalne chmurowe magazynowanie danych (np. Google BigQuery).
Zaproponować i skonfigurować narzędzie do automatycznego zbierania danych (Airbyte, Fivetran lub alternatywy). Należy skonfigurować codzienny import surowych danych z PostgreSQL, Stripe, GA4 oraz kont reklamowych.
Skonfigurować zbieranie danych o kosztach (Cost Data) oraz ich codzienną konwersję na jedną walutę.
Modelowanie danych (Data Modeling / SQL)
Napisać zapytania SQL (najlepiej z użyciem dbt) do transformacji surowych danych w czyste witryny danych (Data Marts).
Zebrać dane o kosztach w jedną hierarchię: Source -> Campaign -> Term (Adset) -> Creative.
Powiązać użytkowników (user_id) z ich transakcjami w Stripe oraz znacznikami marketingowymi (UTM/click_id) według modelu atrybucji "Last Non-Direct Click" (lub innego podstawowego modelu za zgodą).
Współpraca z zespołem Backend
Sporządzić jasne instrukcje dla naszego programisty backendowego: jakie dokładnie parametry (click_id, UTM, client_id) i w którym momencie należy zapisywać w PostgreSQL oraz przekazywać w metadanych Stripe, aby śledzenie nie było zakłócone.
Budowa BI-dashbordów (Looker Studio / Metabase)
Stworzyć raport "Day 0 Performance" z możliwością drill-down (zagłębiania się) od źródła do kreatywu.
Główne metryki do wyświetlenia: Wydatki, Kliknięcia, Lead'y, CPL, Sprzedaż (Day 0), CPS, Przychody (Day 0), ROAS (Day 0).
Wymagania dla kandydata (Umiejętności techniczne)
Doświadczenie z DWH: Doskonała znajomość SQL oraz praktyczne doświadczenie z Google BigQuery.
Doświadczenie z ELT/ETL: Doświadczenie w konfigurowaniu pipeline'ów danych (Airbyte, Fivetran, Stitch, Funnel.io lub pisanie własnych konektorów w Pythonie).
Znajomość dbt (Data Build Tool): Będzie dużym plusem przy budowie solidnych modeli SQL.
Zrozumienie Marketingu/Analizy internetowej: Jasne zrozumienie, jak działają znaczniki UTM, S2S postbacki, atrybucja GA4 oraz konta reklamowe.
Doświadczenie z API Stripe: Zrozumienie struktury danych Stripe (Customer, Charge, Invoice, Metadata).
Narzędzia BI: Doświadczenie w wizualizacji w Looker Studio, Metabase, Tableau lub PowerBI.
Czego oczekujemy od Ciebie na początku (Kryteria akceptacji)
W odpowiedzi na ofertę pracy, prosimy krótko opisać:
Jaki stos narzędzi proponujesz dla naszego zadania (DWH + ELT + BI) i dlaczego?
Orientacyjna ocena kosztów miesięcznej infrastruktury (usług) według Twojego planu.
Orientacyjne terminy realizacji Iteracji 1 (MVP).
