وصف الشركة
تعد طلبات منصة التوصيل الرائدة عند الطلب للمواد الغذائية وغير الغذائية في منطقة الشرق الأوسط وشمال أفريقيا، حيث تعمل في 8 دول وتعالج مئات الملايين من الطلبات سنويًا. نحن جزء من شركة Delivery Hero، الرائدة عالميًا في مجال توصيل الطعام عبر الإنترنت والتجارة السريعة، ونحن نعتمد في عملنا على الهندسة في المقام الأول. تعمل فرقنا تحت مسمى
مهندس حوكمة البيانات: مع نمو أصول بياناتنا، نحتاج إلى شخص يتولى مسؤولية الحوكمة عبر المؤسسة بأكملها - لضمان أن تكون البيانات آمنة وعالية الجودة وقابلة للاكتشاف ومتوافقة مع المعايير. أنت لا تقوم ببناء خطوط معالجة البيانات أو إدارة المنصات، بل أنت الشخص الذي يحدد معنى "الآمن" و"المتوافق"، وتتخذ قرارات سياسة الوصول بشكل مستقل، وتختبر ذلك بدقة، وتدفع نحو المساءلة عند حدوث أي خلل. ستستخدم أدوات الذكاء الاصطناعي — مثل Claude، ومولدات الطبقات الدلالية، وأدوات توصيف البيانات القائمة على نماذج اللغة الكبيرة (LLM) — كخيارك الافتراضي لتوسيع نطاق أعمال الحوكمة مع معرفة متى يجب أن تتدخل كعنصر بشري لاتخاذ قرارات السياسة والتعامل مع التصعيدات.
ملفك الشخصي:
لديك خبرة واسعة في حوكمة البيانات، أو نمذجة البيانات، أو جودة البيانات، أو الامتثال في البيئات المنظمة أو سريعة الحركة. أنت تفهم نماذج التحكم في الوصول القائمة على الأدوار (RBAC)، ونماذج التحكم في الوصول، وتصنيف البيانات، وأفضل ممارسات الأمان بناءً على خبرة عملية، وليس مجرد شهادات. أنت تجيد لغة SQL ونمذجة البيانات بطلاقة؛ ويمكنك قراءة ونقد الطبقات الدلالية (Look ML, Big Query). يمكنك توضيح المقايضات بين التحكم الصارم في الوصول وتمكين السرعة، وكتابة وثائق النتائج التي تلقى قبولاً لدى الجماهير الفنية وغير الفنية على حد سواء.
أنت مواكب للذكاء الاصطناعي، حيث تستخدم Claude ومولدات الطبقات الدلالية كجزء من سير عملك اليومي. أنت تعرف أي مهام الحوكمة يمكن توسيع نطاقها من خلال الذكاء الاصطناعي (التوثيق التلقائي، اكتشاف الأنماط، تسجيل الجودة) وأيها تتطلب حكماً بشرياً (قرارات السياسة، تفسير الامتثال، التصعيدات). يمكنك وصف سير عملك بشكل محدد: ما الذي تقوم به يدوياً وما الذي تفوضه للذكاء الاصطناعي.
ما ستتولى مسؤوليته:
اكتشاف البيانات: بناء وصيانة فهارس بيانات شاملة مع طبقات دلالية قابلة للقراءة آلياً تمكن البشر ووكلاء الذكاء الاصطناعي من فهم المعلومات الدقيقة والعثور عليها. ضمان حصول كل أصل بيانات مهم على توثيق حديث وجدير بالثقة وقابل للبحث السريع. تولي مسؤولية نتائج الاكتشاف: أصول مفهرسة بشكل شامل يمكن للفرق العثور عليها دون عناء.
الأمن والتحكم في الوصول: تصميم وتشغيل أطر عمل التحكم في الوصول القائمة على الأدوار (RBAC) التي تحافظ على فصل البيانات بشكل مناسب (حسب المنطقة، منطقة الامتثال، إلخ). مراقبة طلبات الوصول، وتحديد الأنماط، واتخاذ قرارات الحوكمة بشأن الطلبات القياسية بشكل مستقل. تصعيد النزاعات المعقدة ولكن تولي مسؤولية معظم قرارات الوصول؛ ومنع حوادث الوصول غير المصرح به تماماً.
جودة البيانات: العمل مع قادة النطاق (المالية، العمليات، المنتج) لبناء أطر عمل قابلة لإعادة الاستخدام لجودة البيانات وأدوات المراقبة. إنشاء درجات جودة عالمية عبر معايير الحداثة والاتساق والموثوقية. الشراكة مع الفرق لحل مشكلات الجودة الأساسية؛ وضمان تلبية مجموعات البيانات المهمة لمعايير الجودة بالكامل.
الامتثال والنضج: مواءمة الممارسات مع الأطر الدولية (DAMA/DMBOK، معايير ISO). إجراء تقييمات نضج منتظمة عبر الأمن والجودة والقابلية للاكتشاف؛ والعمل مع الفرق لسد الفجوات. الحفاظ على امتثال موثق وقابل للتحقق عبر جميع الالتزامات التنظيمية.
مواءمة أصحاب المصلحة: التعاون عبر قطاعات الأعمال والهندسة وعلوم البيانات لتوحيد التعريفات المهمة (المستخدمون النشطون، الإيرادات، شرائح العملاء). تضمين هذه التعريفات في الأنظمة بحيث يكون اتساق التقارير تلقائياً وليس يدوياً. تولي مسؤولية النتائج: مصدر واحد للحقيقة للمقاييس عبر المؤسسة.
ما يميزك:
أنت تتحدث لغات متعددة بطلاقة: الحوكمة، وهندسة البيانات، والأعمال - وتترجم باستمرار بينها. أنت مرتاح لاتخاذ القرارات في ظل الغموض؛ عندما تتعارض الأطر أو تكون غير مكتملة، فإنك تقرر ما يجب فعله وتتحمل المسؤولية. لقد قمت بطرح معايير حوكمة أو عمليات امتثال عبر الفرق. أنت تفكر في أنظمة - وترى كيف تتيح تغييرات الحوكمة سرعة الأعمال - وأنت تعمل على تحسين ذلك. أنت قابل للتكيف: عندما تتطور معايير الحوكمة، تقرؤها، وتقيم إمكانية التطبيق، وتُفعّل ما يهم، وتتجاهل ما لا يهم.
كيف ستتطور:
المرحلة 1: الأساس — إكمال تدقيق شامل لجميع أصول البيانات؛ وتحديد تصنيف الحوكمة مع مستويات خطورة محددة ومعايير النجاح/الفشل؛ وتقييم النضج مقابل DAMA/DMBOK؛ وبناء علاقات متعددة الوظائف؛ وإنشاء إطار عمل لصنع القرار ومعيار سياسة الوصول إلى البيانات. المرحلة 2: التفعيل والأتمتة — نشر فهرس البيانات مع توثيق الأصول المهمة وإمكانية البحث فيها؛ وبناء إطار عمل RBAC مع مراجعة وصول آلية؛ وإنشاء أطر عمل لجودة البيانات للنطاقات عالية المخاطر؛ وتحديد معايير تسريب البيانات؛ وإنشاء مراجعات الامتثال؛ وتنفيذ التوثيق بمساعدة الذكاء الاصطناعي؛ وتقليل وقت الموافقة بشكل كبير. المرحلة 3: التوسع من خلال تصنيف المخاطر — تنفيذ منطق تصنيف المخاطر (الأصول عالية/متوسطة/منخفضة المخاطر تحصل على تدقيق متناسب)؛ ونشر مراقبة الجودة الآلية عبر مجموعات البيانات المهمة؛ وتوسيع الفهرس بشكل كبير؛ وبناء مكتبة حوكمة ذاتية الخدمة؛ وإنشاء لوحة تحكم للامتثال؛ ومعالجة طلبات الوصول بكفاءة؛ وتحويل شعور الفريق من "عائق" إلى "ممكن". المرحلة 4: الدمج والاستراتيجية — تحقيق فهرس كامل جداً وقابل للبحث بأقل قدر من جهد البحث؛ أن تصبح حوكمة تصنيف المخاطر نموذجاً للتشغيل؛ أن تكون مراقبة الجودة مؤتمتة بالكامل مع تلبية معظم البيانات المهمة للمعايير؛ استخدام مكتبة الخدمة الذاتية بشكل شامل؛ توثيق عمليات تدقيق الامتثال بالكامل؛ اتخاذ قرارات حوكمة مستقلة على نطاق واسع؛ استخدام سير العمل بمساعدة الذكاء الاصطناعي لتقليل العمل اليدوي بشكل كبير؛ التأثير على كيفية تصميم المؤسسة للبيانات مع وضع الحوكمة في الاعتبار؛ اتخاذ قرارات سياسة مستقلة بناءً على البيانات؛ النظر إلى الحوكمة كممكن للأعمال، وليس كعبء إضافي.
Company Description
talabat is the leading on-demand food and non-food delivery platform in MENA, operating across 8 countries and processing hundreds of millions of orders annually. We're part of Delivery Hero, the global leader in online food delivery and q-commerce, and we're engineering-first. Our teams operate under
Data Governance Engineer As our data estate grows, we need someone to own governance across the organisation—ensuring data is secure, high-quality, discoverable, and compliant. You're not building pipelines or managing platforms—you're the person who defines what "secure" and "compliant" means, makes access policy calls independently, tests for it rigorously, and drives accountability when something breaks. You'll use AI tools—Claude, semantic layer generators, LLM-based data profilers—as your default to scale governance work while knowing when to stay human for policy decisions and escalations.
Your Profile:
You have extensive experience in data governance, data modelling, data quality, or compliance in regulated or fast-moving environments. You understand RBAC, access control models, data classification, and security best practices as lived experience, not certifications. You're genuinely fluent in SQL and data modeling; you can read and critique semantic layers (Look ML, Big Query). You can articulate trade-offs between strict access control and enabling velocity, and write findings documents that land with both technical and non-technical audiences.
You're AI-native—using Claude and semantic layer generators as part of your daily flow. You know which governance tasks scale through AI (auto-documentation, pattern detection, quality scoring) and which require human judgment (policy decisions, compliance interpretation, escalations). You can describe your workflow specifically: what you do by hand and what you delegate to AI.
What You'll Own:
Data Discovery:Build and maintain comprehensive data catalogs with machine-readable semantic layers that enable both humans and AI agents to understand and find accurate information Ensure every critical data asset has current, trustworthy documentation and is rapidly searchable Own the discovery outcome: comprehensively cataloged assets that teams can find without friction
Security & Access Control:Design and operate Role-Based Access Control frameworks that keep data appropriately segregated (by region, compliance zone, etc.) Monitor access requests, identify patterns, and make governance calls on standard requests independently Escalate complex conflicts but own most access decisions; prevent unauthorized access incidents entirely
Data Quality:Work with domain leaders (Finance, Operations, Product) to build reusable data quality frameworks and monitoring tools Establish global quality scores across freshness, consistency, and reliability Partner with teams to resolve underlying quality issues; ensure critical datasets fully meet quality standards
Compliance & Maturity:Align practices with international frameworks (DAMA/DMBOK, ISO standards) Perform regular maturity assessments across security, quality, and discoverability; work with teams to close gaps Maintain documented, verifiable compliance across all regulatory obligations
Stakeholder Alignment:Collaborate across business, engineering, and data science to standardize critical definitions (active users, revenue, customer segments) Embed these definitions into systems so reporting consistency is automatic, not manual Own the outcome: one source of truth for metrics across the organization
What Sets You Apart:
You speak multiple languages fluently: governance, data engineering, and business—constantly translating between them. You're comfortable making calls under ambiguity; when frameworks conflict or are incomplete, you decide what to do and own the outcome. You've shipped governance standards or compliance processes across teams. You think in systems—seeing how governance changes enable business velocity—and you optimize for it. You're adaptable: when governance standards evolve, you read them, evaluate applicability, operationalize what matters, and ignore what doesn't.
How You'll Progress:
Phase 1: Baseline & Foundation — Complete comprehensive audit of all data assets; define governance taxonomy with specific severity levels and pass/fail criteria; assess maturity against DAMA/DMBOK; build cross-functional relationships; establish decision-making framework and data access policy standard Phase 2: Operationalize & Automate — Deploy data catalog with critical assets documented and searchable; build RBAC framework with automated access review; create data quality frameworks for high-risk domains; define leakage standards; establish compliance reviews; implement AI-assisted documentation; significantly reduce approval time Phase 3: Scale Through Risk-Tiering — Implement risk-tiering logic (high/medium/low-risk assets get proportional scrutiny); deploy automated quality monitoring across critical datasets; scale catalog dramatically; build self-serve governance library; establish compliance dashboard; process access requests efficiently; shift team sentiment from blocker to enabler Phase 4: Embedded & Strategic — Achieve highly complete, searchable catalog with minimal search friction; risk-tiered governance is operating model; quality monitoring fully automated with most critical data meeting standards; self-serve library used comprehensively; compliance audits fully documented; make autonomous governance decisions at scale; use AI-assisted workflows to cut manual work significantly; influence how organization designs data with governance in mind; make independent policy decisions based on data; governance viewed as business enabler, not overhead