Lokalizacja: Wrocław (model hybrydowy: 3 dni w biurze, 2 dni zdalnie)
Start projektu: 4 stycznia 2027 r.
Czas trwania: 3 miesiące (faza PoC do 31 marca 2027 r.) z możliwością przedłużenia o kolejne 3–9 miesięcy (pełne wdrożenie)
O projekcie i kliencie
Dla międzynarodowego lidera z branży biotechnologicznej i diagnostyki molekularnej poszukujemy samodzielnego Senior Analytics Engineera. Twoim zadaniem będzie zaprojektowanie i zbudowanie od podstaw produktu Content Intelligence. Rozwiązanie to połączy dane o treściach marketingowych z wynikami ich dystrybucji, pozwalając zespołom marketingowym mierzyć skuteczność kampanii oraz decydować, jakie formaty, tematy i kanały działają najlepiej.
Projekt składa się z dwóch etapów:
-
Etap 1 (3 miesiące – PoC): Stworzenie działającego prototypu w ograniczonym zakresie (wybrane źródła danych i przypadki użycia), który udowodni wartość biznesową rozwiązania i zakończy się decyzją o przejściu do kolejnej fazy.
-
Etap 2 (3–9 miesięcy – opcjonalne przedłużenie): Pełne wdrożenie i skalowanie rozwiązania na całą organizację.
Twoje zadania:
-
Prowadzenie projektu (End-to-End): Samodzielne zarządzanie zakresem prac, harmonogramem, kamieniami milowymi oraz komunikacją z interesariuszami z obszarów marketingu, IT i biznesu.
-
Analiza źródeł danych: Mapowanie danych z systemów marketingowych, analitycznych i repozytoriów treści (łączenie kampanii, wariantów kreacji, grup docelowych i wyników za pomocą spójnych identyfikatorów).
-
Ramy pomiaru treści: Zdefiniowanie modelu danych, hierarchii KPI, zasad normalizacji oraz założeń atrybucji dla różnych kanałów i formatów.
-
Baza danych (Content Performance Database): Budowa procesów ETL/ELT zasilających centralne repozytorium łączące dane o treściach z wynikami ich aktywacji.
-
Klasyfikacja treści z użyciem AI: Wykorzystanie modeli AI (np. LLM w Pythonie) do automatycznego tagowania tekstów, grafik i wideo (m.in. pod kątem tematu, grupy docelowej, etapu lejka sprzedażowego i potencjału ponownego użycia).
-
Dashboardy w Power BI: Stworzenie raportów umożliwiających optymalizację treści (wskazywanie materiałów do ponownego użycia, poprawy lub wycofania oraz identyfikacja luk w komunikacji).
-
Data Governance i dokumentacja: Określenie zasad jakości danych, bezpieczeństwa, własności i utrzymania taksonomii, a także przygotowanie pełnej dokumentacji technicznej i przekazanie produktu zespołowi wewnętrznemu.