أخصائي بيانات مشارك - برنامج البنائين

لماذا تمارا؟

نحن فخورون بأننا أول شركة سعودية ناشئة في مجال التكنولوجيا المالية تبلغ قيمة تريليون ريال. مهمتنا هي مساعدة الناس على امتلاك أحلامهم من خلال بناء تطبيق مالي فائق يركز على العميل بشكل كامل في العالم. ولا توجد قواعد جاهزة لتحقيق ذلك؛ موظفونا في تمارا هم من يكتبونها. فرقنا مكونة من مبتكرين وحلالي مشكلات ومتعلمين، نحن نزدهر بالفضول والتعاون.
إذا كان هذا يصفك: فضولي، طموح، ومستعد للبناء، نحن نتشوق لمقابلتك.
تقدم الآن وانضم إلى جيل البنائين القادم!

عن برنامج البنائين في تمارا
في تمارا، نؤمن بأن الموهبة الاستثنائية تستحق منصة انطلاق استثنائية.
برنامج البنائين الرئيسي لدينا مصمم للخريجين الطموحين المستعدين لتحمل مسؤوليات حقيقية منذ اليوم الأول. هذا ليس برنامجًا تدريبيًا دوريًا للمشاهدة، بل هو مسرّع مهني مصمم لأولئك الذين يريدون البناء والامتلاك ورفع السقف مبكرًا.
مصمم للخريجين الجدد والمواهب في بداية مسيرتهم المهنية بخبرة تصل إلى سنتين، يضعك البرنامج مباشرة في أدوار عالية التأثير عبر المنتج والهندسة والتصميم وما بعده. سوف تساهم على الفور وتنمو بوتيرة متسارعة.
من المنتج إلى الهندسة، ومن التتصميم إلى الشؤون التجارية، سوف تتناول تحديات ذات معنى تشكل كيفية تجربة الملايين للتكنولوجيا المالية عبر المنطقة. سوف تُمنح صلاحيات الملكية، وتحيط بك زملاء على مستوى عال، وينصحك قادة يتوقعون التميز.
دفعاتنا في يناير ويونيو هي فرصتك للتحرك بسرعة والتفكير بشكل كبير والبدء في بناء ما هو قادم - ليس يومًا ما، بل الآن.

عن الدور

نحن نبحث عن خريج جديد أو موهبة في بداية المسيرة المهنية كعالم بيانات مساعد على مسار البنائين.

هذا الدور يمزج بين التفكير في المنتج، والإحصاء التطبيقي، والتحليلات الموجهة للإنتاج. سوف تقوم بما يلي:

• تحويل المشاكل الغامضة إلى أسئلة قابلة للقياس.
• بناء قياس موثوق (المقاييس والتجارب).
• إنشاء نماذج خفيفة الوزن وأدوات قرار يمكن للفرق استخدامها في سير العمل الفعلية.
• الشراكة الوثيقة مع فرق الهندسة والمنتج والمخاطر لتحسين نتائج العملاء وأداء الأعمال.
• بناء سير عمل قرار بمساعدة الذكاء الاصطناعي (على سبيل المثال، مساعدي تحليل مدعومين بنماذج لغة كبيرة مدعومة بطبقة مقاييس مُنظمة، مع ضوابط وتحقق واضحين).

مع تقدم الذكاء الاصطناعي، نقدر الأشخاص الذين لديهم أساسيات قوية وتفكير واضح. فهم توليد البيانات والقياس والمفاضلات وكيفية التحقق من النتائج أهم من حفظ الأدوات. ستتعلم كيفية استخدام الذكاء الاصطناعي بمسؤولية للتحرك بسرعة أكبر، مع الحفاظ على الملكية للصحة والقوة والتفسير.

مسؤولياتك

• تحديد المشاكل والقياس
  • ترجمة أسئلة المنتج أو الأعمال إلى فرضيات قابلة للاختبار ومقاييس نجاح واضحة.
  • بناء وصيانة تعريفات المقاييس وقوالب التحليل لضمان اتساق وقابلية تكرار القرارات.
• التجريب والتفكير السببي
  • تصميم وتحليل وتفسير اختبارات A/B (والتجارب شبه المنطقية عندما لا يكون العشوائية ممكنة).
  • الشراكة مع فرق المنتج والهندسة لضمان التتبع الصحيح والضوابط وجودة التجربة.
• النمذجة لاتخاذ القرارات (التعلم الآلي العملي)
  • بناء نماذج تنبؤية وتجزئة أساسية (على سبيل المثال، ميل العميل للتوقف، إشارات المخاطر، تجميع العملاء) مع تقييم وقيود واضحة.
  • التركيز على النماذج القابلة للتنفيذ: من سيستخدمها، ومتى، وأي قرار ستغيره.
• الذكاء الاصطناعي التطبيقي (نماذج اللغة الكبيرة) للتحليلات واتخاذ القرار
  • تصميم نماذج أولية صغيرة وآمنة لاستخدامات نماذج اللغة الكبيرة تحسن طريقة استكشاف الفرق للبيانات (على سبيل المثال، الأسئلة والأجوبة باللغة الطبيعية على مجموعة بيانات مُنظمة، تلخيص نتائج التجارب، أو إنشاء قوائم مراجعة للتحقيق).
  • المساعدة في تحديد منهجيات التقييم والتحقق للمخرجات بمساعدة الذكاء الاصطناعي (فحوصات السليمة، الاستعلامات المرجعية، مجموعات الاختبار غير المتصلة، وحلقات المراجعة البشرية).
  • الشراكة مع أصحاب المصلحة في المنصة والأمن لضمان منح الأذونات بشكل صحيح لسير عمل الذكاء الاصطناعي وتجنب تسريب البيانات الحساسة.
• تحليلات قابلة للنشر
  • إنشاء أصول تحليل قابلة لإعادة الاستخدام وموثقة جيدًا: مجموعات البيانات، وجداول الميزات، والمفكرات، ولوحات التحكم، والخدمات أو المهام البسيطة.
  • التعاون مع هندسة البيانات لإنتاجية خطوط أنابيب موثوقة عند الحاجة.
• جودة البيانات والموثوقية
  • التحقق من مدخلات البيانات، ومراقبة المقاييس الرئيسية، والتحقيق في الشذوذ.
  • توثيق الافتراضات وبناء فحوصات سليمة لضمان موثوقية التحليلات والنماذج.
• الاستخدام المسؤول لأدوات الذكاء الاصطناعي
  • استخدام الذكاء الاصطناعي لتسريع الترميز والتوثيق والاستكشاف.
  • التحقق من مخرجات الذكاء الاصطناعي، وحماية البيانات الحساسة، واتباع ممارسات التعامل الآمنة مع البيانات.

خبراتك (ضرورية)

• خريج جديد أو أقل من سنة من الخبرة ذات الصلة (التدريب، مشاريع التخرج، أو الأدوار بدوام جزئي تُحتسب).
• أساسيات قوية في SQL (الجمع، والتجميع، ودوال النوافذ).
• لغة برمجة واحدة للبيانات (يفضل بايثون) مع مهارات أساسية في:
  • معالجة البيانات (الجداول/إطارات البيانات)
  • أساسيات الإحصاء (التوزيعات، الحدس في أخذ العينات، أساسيات الثقة)
  • النمذجة الأساسية (أساسيات الانحدار/التصنيف وحدس التقييم)
• تفكير تحليلي قوي:
  • القدرة على تحديد المشكلة، والتحقق من البيانات، وشرح النتائج بوضوح.
• اهتمام قوي بالتفاصيل والالتزام بمخرجات دقيقة وموثوقة.
• القدرة على العمل بفعالية في بيئة تعتمد على العمل الجماعي.

مهارات إضافية مرغوبة

• التعرض لمنصات أو أطر التجريب (مثل Statsig، Optimizely، أدوات التجريب الداخلية).
• الإلمام بتقنيات التحليلات الحديثة (مثل dbt، BigQuery، Snowflake، Looker، PowerBI، Tableau) من خلال المقررات الدراسية أو المشاريع.
• التعرض لأدوات التعلم الآلي (مثل scikit-learn، المفكرات، مفاهيم MLOps الأساسية) والتحكم في الإصدار (Git).
• الإلمام بمفاهيم نماذج اللغة الكبيرة (أساسيات الصياغة، حدس الاسترجاع/RAG، ومنهجيات التقييم) من خلال المقررات الدراسية أو المشاريع الجانبية.
• فهم مفاهيم تحليلات المنتج (القُمع، المجموعات، الاحتفاظ) ومزالق السببية (تحيز الاختيار، العوامل المربكة).
• خبرة في إنشاء أصول بيانات جاهزة للذكاء الاصطناعي (طبقات دلالية نظيفة، تعريفات المقاييس، عقود البيانات، التوثيق، وقوائم مراجعة الفحوصات السليمة).
• معرفة بممارسات التعامل المسؤولة مع البيانات (أساسيات البيانات الشخصية، ضوابط الوصول، المشاركة الآمنة).

كيف يبدو النجاح

• القدرة على تقديم تحليل شامل من البداية إلى النهاية بشكل مستقل، بافتراضات واضحة، وخطوات تحقق، وتوصية ملموسة.
• المساهمة في نشر أداة قرار واحدة على الأقل (تجربة، أو إطار مقاييس، أو نموذج خفيف الوزن) تغير قرارًا متعلقًا بالمنتج أو الأعمال.
• تمكين أصحاب المصلحة من إجراء تحليلات قابلة للتكرار مع تقليل المراجعات، وتقليل عملك للغموض في المقاييس الرئيسية.
• القدرة على ملاحظة عندما تبدو النتائج غير صحيحة، وتصحيح الأخطاء بسرعة، وشرح السبب الجذري.