Pre-Sales Solution Architect - Data & AI
Addepto
To rola Pre-Sales Solution Architekta specjalizującego się w Data & AI. Będziesz techniczną twarzą firmy podczas spotkań z klientami, prowadząc discovery, projektując architektury nowoczesnych platform danych (lakehouse, data mesh) i przygotowując wyceny oraz odpowiedzi na RFx. Pracujesz u boku sprzedaży i zespołów inżynieryjnych, a Twoim celem jest budowanie zaufania poprzez demonstrację wartości rozwiązań AI i data engineering. To rola kliento-centryczna, wymagająca zarówno głębokiej wiedzy technicznej, jak i umiejętności komunikacji z dyrektorami.
Brakuje: nie podano wielkości zespołu pre-sales ani liczby równolegle prowadzonych szans, brak informacji o konkretnych klientach (poza ogólnymi nazwami) – co utrudnia ocenę charakteru projektów.
To rola Pre-Sales Solution Architekta specjalizującego się w Data & AI. Będziesz techniczną twarzą firmy podczas spotkań z klientami, prowadząc discovery, projektując architektury nowoczesnych platform danych (lakehouse, data mesh) i przygotowując wyceny oraz odpowiedzi na RFx. Pracujesz u boku sprzedaży i zespołów inżynieryjnych, a Twoim celem jest budowanie zaufania poprzez demonstrację wartości rozwiązań AI i data engineering. To rola kliento-centryczna, wymagająca zarówno głębokiej wiedzy technicznej, jak i umiejętności komunikacji z dyrektorami.
- ✓Płatny urlop na B2B – rzadki benefit w kontraktach B2B
- ✓Budżet szkoleniowy i zajęcia językowe
- ✓Praca w innowacyjnej firmie AI z uznaniem Forbesa i projektami dla globalnych klientów
- ✓Płaska struktura i małe zespoły – większa autonomia i wpływ
- ✓Własny produkt open-source (ContextClue) i aktywny wkład w społeczność AI
- !Wymóg podróży do 30% czasu – dla niektórych może być uciążliwy
- !Lista 'must have' jest bardzo długa i zawiera wiele technologii, co sugeruje szeroki zakres oczekiwań
- !Rola pre-sales może wiązać się z presją sprzedażową i zmiennym obciążeniem
- •Prowadzenie technicznego discovery z klientami – analiza stanu danych, wymagań i gotowości na AI
- •Projektowanie architektur docelowych na platformach takich jak Databricks, Snowflake, BigQuery, Redshift czy Microsoft Fabric
- •Tworzenie Proof of Concept (PoC) dla przypadków użycia, np. migracji danych, RAG czy real-time pipeline'ów
- •Przygotowywanie odpowiedzi na RFx, Statement of Work (SOW) i propozycji dla szans data & AI
- •Prezentacje na spotkaniach executiveskich (CDO, CDAO) oraz warsztatach architektonicznych
- •Wbudowywanie zarządzania danymi, linii, jakości i zgodności (HIPAA, GDPR, SOC2) w projekty
- •Współpraca z zespołami dostawczymi przy przekazywaniu projektów do realizacji i mentoring młodszych członków zespołu
- •Podróże do klientów (do 30% czasu) na warsztaty i spotkania
Oferta dla doświadczonych specjalistów (Senior).
Osoba z minimum 8 latami w architekturze danych, w tym 4 lata przy projektach enterprise, z bardzo dobrą znajomością jednej platformy (np. Databricks) i podstawami drugiej. Musi mieć doświadczenie w pre-sales lub przynajmniej w bezpośredniej współpracy z klientem przy definiowaniu rozwiązań.
Nie dla juniorów ani mid-level – rola wymaga co najmniej 8 lat doświadczenia. Nie dla osób, które nie lubią pracy z klientem, prezentacji i częstych podróży. Nie dla architektów bez praktyki w data engineering i AI.
- ?Jak duży jest zespół pre-sales i jak wygląda podział między pre-sales a delivery?
- ?Jaki jest typowy cykl sprzedaży (deal size, czas od pierwszego kontaktu do signed SOW)?
- ?Jak często i gdzie odbywają się podróże – głównie USA, Europa, czy klienci lokalni?
- ?Jak mierzony jest sukces na tym stanowisku – liczba wygranych, revenue, czy satysfakcja klienta?
- ?Czy istnieją narzędzia, które są standardem w pre-sales (np. demo environment, szablony architektur)?
- ?Jak wygląda proces przekazywania projektu do zespołu delivery – czy architekt pozostaje zaangażowany?
- ?Jakie są plany rozwoju dla tej roli – ścieżka do Head of Solutions Architecture czy pozostanie ekspertem?
- −Nie podano wielkości zespołu pre-sales ani liczby równolegle prowadzonych szans
- −Brak informacji o konkretnych klientach (poza ogólnymi nazwami) – co utrudnia ocenę charakteru projektów
- −Nie wiadomo, jakie narzędzia do prezentacji i dema są wykorzystywane
- −Brak opisu procesu rekrutacyjnego (etapy, zadania, czas)
Płaska struktura, małe zespoły, międzynarodowe projekty – atmosfera startupowa, ale z zapleczem dużej grupy (KMS Technology). Duży nacisk na innowacje i praktyczne zastosowania AI.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Databricks. Pełne statystyki zarobków →