Data Analyst (Data Quality / ETL), Junior+/Middle

Company: Футбольный клуб Динамо-Москва
Location: Москва
Experience: От 1 года до 3 лет
Key skills: Python, SQL, Data Analysis, Работа с большим объемом информации, BI-инструменты, Работа с базами данных, analytics engineer, data engineer, ML, Data Quality / ETL

О нас

Мы — отдел спортивной аналитики и науки профессионального футбольного клуба "Динамо". Строим data-инфраструктуру и аналитические продукты, которыми ежедневно пользуются тренерский штаб, медицинский департамент, департамент перформанса и селекционный отдел.

Работаем с данными внешних поставщиков (event-данные, трекинг, статистика) и внутреннего контура клуба — GPS, тренировочные и физические показатели — по основной команде, второй команде и академии.

Чем предстоит заниматься:

На старте

• Писать и развивать автоматические проверки качества данных: пропуски, дубли, аномалии, расхождения между источниками; настраивать алерты и регулярные отчёты о состоянии данных.
• Вместе с командой организовывать и стабилизировать ETL-пайплайны: загрузка данных от поставщиков и внутренних систем, нормализация, сопоставление идентификаторов игроков, матчей и команд между источниками.
• Помогать упорядочить поток данных от второй команды и академии.

Дальше

• Разрабатывать и поддерживать витрины данных — бэкенд для BI-отчётов, дашбордов и аналитических моделей.
• Проверять корректность метрик: сравнивать альтернативные варианты расчёта и обосновывать, какой лучше отражает суть.
• Участвовать в доработке действующих моделей и тестировании новых аналитических продуктов.
• Контролировать полноту и качество данных на цифровых платформах клуба.
• Оперативно закрывать запросы тренерского штаба и департаментов — регулярная отчётность и подготовка к матчам не ставятся на паузу.

Что мы ждём:

• Опыт работы с данными от 2-х лет (аналитик данных, analytics engineer, data engineer) — коммерческий опыт, стажировки или серьёзные пет-проекты.
• SQL на уверенном уровне: джойны, агрегации, оконные функции, CTE.
• Python для обработки данных и автоматизации: pandas / polars, работа с API, Git. Готовность писать код, который работает регулярно, а не только для разовых выгрузок.
• Понимание, как устроены ETL/ELT-процессы и витрины данных; опыт участия в их построении — преимущество.
• Внимательность к деталям и интерес к качеству данных: умение заметить, что цифры «не сходятся», и найти причину.
• Опыт работы с BI-инструментами (DataLens — преимущество).
• Базовое понимание ML: как устроены обучение и валидация моделей и как качество входных данных влияет на результат.
• Интерес к футболу и понимание игры.
• Самостоятельность: умение разобраться в задаче, задать правильные вопросы и довести её до результата.

Будет плюсом:

• Опыт работы с футбольными данными.
• Опыт с оркестраторами (Airflow, Prefect, Dagster), dbt или инструментами проверки данных (dbt tests, Great Expectations, Soda).
• Опыт работы с ClickHouse / PostgreSQL, Docker.
• Опыт работы в футбольном клубе или спортивной организации.
• Пет-проекты по футбольной аналитике: модели, дашборды, статьи — пришлите ссылку вместе с откликом.

Мы предлагаем:

• Работу в профессиональном футбольном клубе и прямое влияние на спортивные решения — ваши данные используют тренеры, врачи и скауты.
• Доступ к данным топ-уровня: event-данные, трекинг, GPS, медицинские и физические показатели.
• Сильную команду аналитиков, профессиональный рост.
• Гибридный формат работы.
• Официальное оформление по ТК РФ.
• Конкурентоспособный уровень заработной платы, годовое премирование.
• ДМС.

Как проходит отбор:

Скрининг с HR (20–30 мин) → техническое интервью с командой (при необходимости тестовое задание) → финальная встреча с руководителем отдела.

Будем рады отклику с резюме и ссылкой на GitHub или портфолио.