Data Analyst

Russia2 months ago

Details

Grade

Middle

Work format

Remote

Employment

Full-time

A cover letter for this job

An email or a Telegram message to the recruiter

Some conditions are hidden to comply with employment law

About the role

Role: Data Analyst
Level: Middle+, Middle

Responsibilities

Development, configuration, and maintenance of data quality checks
Data analysis and profiling: identifying discrepancies, missing values, duplicates, anomalies, and other quality issues
Investigating data quality incidents: localizing the problem source, identifying the responsible team, and supporting the resolution
Interaction with data owners, analysts, and source system teams: gathering and formalizing data requirements, agreeing on quality rules and checks
Working with DWH/Data Warehouse: analyzing sources, loading flows, and data transformations
Preparing requirements for enhancing data quality control tools and processes
Working with DQ checks implemented on Apache Airflow: configuration, execution, monitoring, and result analysis
Working with the data catalog and metadata: updating data descriptions, attributes, relationships, and glossaries together with data owners
Participation in the development of Data Governance processes and data quality methodology
Configuration and maintenance of reconciliations between systems and data sources
Participation in the formation and development of data delivery SLAs

Requirements

Experience with data quality: understanding of key DQ criteria, experience in formalizing data quality rules and checks, as well as data profiling — analyzing structure and content, identifying missing values, duplicates, anomalies, and inconsistent values
Experience with DWH/Data Warehouse: understanding of warehouse structure, data sources and flows, ability to analyze discrepancies and incorrect data
Experience interacting with data owners, analysts, and source system teams: gathering and formalizing requirements, agreeing on data quality rules and checks
Proficient in SQL: complex JOINs, subqueries, window functions; using SQL for data analysis, profiling, and validation; understanding basic query optimization principles
Understanding of ETL/ELT processes and data loading and transformation principles
Practical experience with Oracle and/or PostgreSQL
Experience analyzing data quality incidents: problem localization, error source identification, interaction with responsible teams
Basic understanding of Apache Airflow: DAGs, tasks, dependencies, schedules; willingness to work with typical DAGs for DQ checks

Nice to have

Experience with Data Catalog / metadata, glossaries, and data descriptions
Experience in the banking domain, especially with credit data, credit bureaus (BKI), or regulatory reporting
Experience with Informatica ETL or other ETL tools
Experience with Service Desk / incident management systems
Experience with FineBI or similar BI tools
Basic Python skills
Knowledge of PD, LGD, EAD, and PVr — as an additional advantage

Benefits

Employment: full-time
Location: Russian Federation
Working hours: Moscow time ±2 hours
Format: Remote

Занятость: полная
Локация: РФ
Рабочий график: по МСК ±2 часа
Формат: Удаленно

Позиция

Роль: Аналитик данных
Уровень: Middle+, Middle

Обязательно

Опыт работы с качеством данных: понимание основных критериев DQ, опыт формализации правил и проверок качества данных, а также профилирования данных — анализа структуры и наполнения, выявления пропусков, дублей, аномалий и неконсистентных значений.
Опыт работы с DWH/КХД: понимание структуры хранилища, источников и потоков данных, умение анализировать причины расхождений и некорректных данных.
Опыт взаимодействия с владельцами данных, аналитиками и командами систем-источников: сбор и формализация требований, согласование правил и проверок качества данных.
Уверенное владение SQL: сложные JOIN, подзапросы, оконные функции; использование SQL для анализа, профилирования и проверки данных; понимание базовых принципов оптимизации запросов.
Понимание ETL/ELT-процессов и принципов загрузки и преобразования данных.
Практический опыт работы с Oracle и/или PostgreSQL.
Опыт анализа инцидентов качества данных: локализация проблемы, определение источника ошибки, взаимодействие с ответственными командами.
Базовое понимание Apache Airflow: DAG, задачи, зависимости, расписание; готовность работать с типовыми DAG для DQ-проверок.

Желательно

Опыт работы с Data Catalog / метаданными, глоссариями и описанием данных.
Опыт работы в банковской предметной области, особенно с кредитными данными, БКИ или регуляторной отчётностью.
Опыт работы с Informatica ETL или другими ETL-инструментами.
Опыт работы с Service Desk / системами управления инцидентами.
Опыт работы с FineBI или аналогичными BI-инструментами.
Базовые навыки Python.
Знание PD, LGD, EAD и ПВР — как дополнительное преимущество.

Задачи

Разработка, настройка и сопровождение проверок качества данных.
Анализ и профилирование данных: выявление расхождений, пропусков, дублей, аномалий и других проблем качества.
Разбор инцидентов качества данных: локализация источника проблемы, определение ответственной команды и сопровождение решения.
Взаимодействие с владельцами данных, аналитиками и командами систем-источников: сбор и формализация требований к данным, согласование правил и проверок качества.
Работа с DWH/КХД: анализ источников, потоков загрузки и преобразований данных.
Подготовка требований на доработку инструментов и процессов контроля качества данных.
Работа с DQ-проверками, реализованными на базе Apache Airflow: настройка, запуск, контроль выполнения и анализ результатов.
Работа с каталогом данных и метаданными: актуализация описаний данных, атрибутов, связей и глоссариев совместно с владельцами данных.
Участие в развитии процессов Data Governance и методологии качества данных.
Настройка и сопровождение сверок между системами и источниками данных.
Участие в формировании и развитии SLA по поставке данных.

Is this job a fit for you?

We compare skills, grade, work format and salary

Key skills

SQL
Data quality
DWH
ETL
ELT
Oracle
PostgreSQL
Airflow
Data Profiling
Data Catalog
Data Governance
Python
FineBI

Salary estimate

252,000RUBper month

Most often 219,000 to 273,000

Similar jobs

1 month ago

Junior Data Analyst / Младший аналитик данных

~137,000 – 263,000 RUB/mo

OnsiteJunior

UnSpot

2 months ago

Data Analyst/DWH

250,000 – 350,000 RUB/mo

RussiaSenior

1 month ago

DWH Specialist

~227,000 – 333,000 RUB/mo

RussiaRemoteMiddle

МТС Банк

1 month ago

Data Analyst - Intern (Data Governance)

~63,800 – 101,000 RUB/mo

MoscowIntern

2 months ago

Senior Data Analyst

~3,650 – 5,930 USD/mo

RemoteSenior

1 month ago

Senior Data Analyst / Engineer

~296,000 – 389,000 RUB/mo

RussiaRemoteSenior

МКБ

yesterday

DWH analyst

1,453

RussiaRemoteMiddle

1 month ago

Middle Data Analyst (Payments)

~38,300 – 71,900 USD/yr

RemoteMiddle

Mercuryo

1 month ago

Data Analyst

~4,460 – 5,700 EUR/mo

CyprusRemoteSenior

Open Bank

1 month ago

Data Analyst in Bank / Fintech

~1,870 – 3,160 USD/mo

OnsiteMiddle

Альфа-Банк

1 month ago

DWH Support Engineer

~223,000 – 306,000 RUB/mo

RemoteMiddle

Сбер

10 days ago

Data Engineer, EcoData.Platform

~183,000 – 220,000 RUB/mo

RussiaHybridMiddle

Data Analyst

Russia2 months ago

Details

Grade

Middle

Work format

Remote

Employment

Full-time

A cover letter for this job

An email or a Telegram message to the recruiter

Some conditions are hidden to comply with employment law

About the role

Role: Data Analyst
Level: Middle+, Middle

Responsibilities

Development, configuration, and maintenance of data quality checks
Data analysis and profiling: identifying discrepancies, missing values, duplicates, anomalies, and other quality issues
Investigating data quality incidents: localizing the problem source, identifying the responsible team, and supporting the resolution
Interaction with data owners, analysts, and source system teams: gathering and formalizing data requirements, agreeing on quality rules and checks
Working with DWH/Data Warehouse: analyzing sources, loading flows, and data transformations
Preparing requirements for enhancing data quality control tools and processes
Working with DQ checks implemented on Apache Airflow: configuration, execution, monitoring, and result analysis
Working with the data catalog and metadata: updating data descriptions, attributes, relationships, and glossaries together with data owners
Participation in the development of Data Governance processes and data quality methodology
Configuration and maintenance of reconciliations between systems and data sources
Participation in the formation and development of data delivery SLAs

Requirements

Experience with data quality: understanding of key DQ criteria, experience in formalizing data quality rules and checks, as well as data profiling — analyzing structure and content, identifying missing values, duplicates, anomalies, and inconsistent values
Experience with DWH/Data Warehouse: understanding of warehouse structure, data sources and flows, ability to analyze discrepancies and incorrect data
Experience interacting with data owners, analysts, and source system teams: gathering and formalizing requirements, agreeing on data quality rules and checks
Proficient in SQL: complex JOINs, subqueries, window functions; using SQL for data analysis, profiling, and validation; understanding basic query optimization principles
Understanding of ETL/ELT processes and data loading and transformation principles
Practical experience with Oracle and/or PostgreSQL
Experience analyzing data quality incidents: problem localization, error source identification, interaction with responsible teams
Basic understanding of Apache Airflow: DAGs, tasks, dependencies, schedules; willingness to work with typical DAGs for DQ checks

Nice to have

Experience with Data Catalog / metadata, glossaries, and data descriptions
Experience in the banking domain, especially with credit data, credit bureaus (BKI), or regulatory reporting
Experience with Informatica ETL or other ETL tools
Experience with Service Desk / incident management systems
Experience with FineBI or similar BI tools
Basic Python skills
Knowledge of PD, LGD, EAD, and PVr — as an additional advantage

Benefits

Employment: full-time
Location: Russian Federation
Working hours: Moscow time ±2 hours
Format: Remote

Занятость: полная
Локация: РФ
Рабочий график: по МСК ±2 часа
Формат: Удаленно

Позиция

Роль: Аналитик данных
Уровень: Middle+, Middle

Обязательно

Опыт работы с качеством данных: понимание основных критериев DQ, опыт формализации правил и проверок качества данных, а также профилирования данных — анализа структуры и наполнения, выявления пропусков, дублей, аномалий и неконсистентных значений.
Опыт работы с DWH/КХД: понимание структуры хранилища, источников и потоков данных, умение анализировать причины расхождений и некорректных данных.
Опыт взаимодействия с владельцами данных, аналитиками и командами систем-источников: сбор и формализация требований, согласование правил и проверок качества данных.
Уверенное владение SQL: сложные JOIN, подзапросы, оконные функции; использование SQL для анализа, профилирования и проверки данных; понимание базовых принципов оптимизации запросов.
Понимание ETL/ELT-процессов и принципов загрузки и преобразования данных.
Практический опыт работы с Oracle и/или PostgreSQL.
Опыт анализа инцидентов качества данных: локализация проблемы, определение источника ошибки, взаимодействие с ответственными командами.
Базовое понимание Apache Airflow: DAG, задачи, зависимости, расписание; готовность работать с типовыми DAG для DQ-проверок.

Желательно

Опыт работы с Data Catalog / метаданными, глоссариями и описанием данных.
Опыт работы в банковской предметной области, особенно с кредитными данными, БКИ или регуляторной отчётностью.
Опыт работы с Informatica ETL или другими ETL-инструментами.
Опыт работы с Service Desk / системами управления инцидентами.
Опыт работы с FineBI или аналогичными BI-инструментами.
Базовые навыки Python.
Знание PD, LGD, EAD и ПВР — как дополнительное преимущество.

Задачи

Разработка, настройка и сопровождение проверок качества данных.
Анализ и профилирование данных: выявление расхождений, пропусков, дублей, аномалий и других проблем качества.
Разбор инцидентов качества данных: локализация источника проблемы, определение ответственной команды и сопровождение решения.
Взаимодействие с владельцами данных, аналитиками и командами систем-источников: сбор и формализация требований к данным, согласование правил и проверок качества.
Работа с DWH/КХД: анализ источников, потоков загрузки и преобразований данных.
Подготовка требований на доработку инструментов и процессов контроля качества данных.
Работа с DQ-проверками, реализованными на базе Apache Airflow: настройка, запуск, контроль выполнения и анализ результатов.
Работа с каталогом данных и метаданными: актуализация описаний данных, атрибутов, связей и глоссариев совместно с владельцами данных.
Участие в развитии процессов Data Governance и методологии качества данных.
Настройка и сопровождение сверок между системами и источниками данных.
Участие в формировании и развитии SLA по поставке данных.