Кто мы:
Enhesa — ведущий мировой поставщик информации о нормативных требованиях и устойчивом развитии. Как надежный партнер, мы предоставляем глобальному бизнес-сообществу знания, необходимые для действий сегодня и подготовки к завтрашнему дню, чтобы создать более устойчивое будущее — оказывая положительное влияние на нашу окружающую среду, наше здоровье, нашу безопасность и наше будущее. Ориентируясь в быстро меняющихся условиях соответствия требованиям и устойчивого развития, мы помогаем им понять не только то, что они должны делать (в первую очередь), но и как это делать. Как в их конкретном бизнесе, так и в любой точке мира. Сейчас и в будущем.
Наша миссия:
- Определять требования EHS для отрасли
- Предоставлять компаниям инструменты для соблюдения EHS
- Консультировать компании по разработке и внедрению корпоративных стратегий EHS
В число основных клиентов Enhesa входят транснациональные компании из списка Fortune 500. Для получения дополнительной информации посетите
Будучи частью нашей очень динамичной команды, мы предлагаем:
- Конкурентоспособный пакет заработной платы и льгот с гибкой политикой удаленной работы
- Баланс между работой и личной жизнью, а также быстро развивающаяся и целеустремленная среда
- Ответственность и гордость за ваши проекты
Обзор позиции
В качестве инженера по аналитике (Analytics Engineer) в Enhesa вы будете отвечать за управляемый (Gold) аналитический слой в Microsoft Fabric — превращая необработанные и частично обработанные данные в надежные, хорошо документированные многомерные модели и метрики для Power BI, самостоятельной аналитики и сценариев использования с поддержкой ИИ. Эта роль связывает инжиниринг данных и бизнес-аналитику, переводя нечеткие потребности бизнеса в масштабируемые аналитические продукты данных.
Основные обязанности
- Отвечать за сквозной слой трансформации Silver-to-Gold — уточнять требования, определять гранулярность и KPI, реализовывать бизнес-логику и доставлять подготовленные наборы данных в продакшен.
- Разрабатывать производительные SQL и PySpark трансформации (CTE, оконные функции, MERGE/upsert) с инкрементальной обработкой, идемпотентностью и шаблонами восстановления.
- Проектировать многомерные модели (факты/измерения, SCD Type 1/2, унифицированные измерения) с четко определенной семантикой для последовательной отчетности по различным областям.
- Оптимизировать схемы Gold для семантических моделей Power BI и ad hoc аналитики — уменьшая сложность последующих DAX/SQL и обеспечивая масштабируемую самостоятельную работу.
- Реализовывать средства контроля качества и доверия: проверки валидации и сверки, автоматизированные тесты, документация и отслеживание происхождения данных, мониторинг свежести данных и прерывающих изменений.
- Сотрудничать с инженерами данных (Data Engineers) и инженерами BI (BI Engineers) для согласования приема данных с их потреблением; поддерживать гигиену медальонного слоя (секционирование, размер файлов, OPTIMIZE/VORDER, эволюция схемы) в Microsoft Fabric.
- Применять надежные практики инжиниринга и управления: ветвление Git, проверки CI/CD, продвижение по средам, руководства по эксплуатации; безопасные шаблоны доступа (RLS/OLS), принцип наименьших привилегий и классификация данных.
- Проактивно управлять заинтересованными сторонами — выявлять риски, согласовывать объем/сроки и четко сообщать о компромиссах и их влиянии.
Уровень образования
Степень бакалавра в области инженерии, информатики, информационных технологий или смежной области (или эквивалентный практический опыт).
Опыт работы
Более 3 лет в области инжиниринга аналитики, инжиниринга данных или бизнес-аналитики, с практическим опытом создания производственных аналитических моделей данных и подготовленных наборов данных, используемых для отчетности и/или самостоятельной аналитики.
Требуемые технические навыки
- Продвинутый SQL: CTE, оконные функции, оптимизация производительности запросов и повторно используемая логика трансформации.
- Многомерное моделирование: схемы "звезда", OBT, определение гранулярности фактов, SCD Type 1/2, унифицированные измерения и опыт использования денормализованных шаблонов, готовых к аналитике.
- Spark & Delta Lake: производительные трансформации (соединения, секционирование, обработка смещения); архитектура lakehouse и медальонная архитектура; возможности Delta (MERGE, OPTIMIZE, ZORDER, time travel, эволюция схемы).
- Понимание семантического слоя (Power BI): модели таблиц и мер для производительных семантических моделей; сотрудничество для снижения сложности последующих этапов и согласования определений KPI.
- Аналитический склад ума: перевод деловых вопросов в метрики и модели данных; глубокое понимание определений KPI, граничных случаев и того, как определения влияют на решения.
- Качество данных и наблюдаемость: определение проверок (полнота/валидность/сверка), мониторинг свежести и устранение проблем с данными путем анализа первопричин.
- Доступ к данным и управление ими: реализация шаблонов доступа на основе принципа наименьших привилегий, концепций RLS/OLS, ожиданий по конфиденциальности/классификации и безопасной обработки конфиденциальных данных/персональных данных (PII).
Желательные технические навыки:
- Фреймворки трансформации: dbt (модели, тесты, документация) или эквивалентные шаблоны.
- Оркестрация: опыт работы с конвейерами Fabric или Azure Data Factory и управлением зависимостями.
- Практики инжиниринга: Git и рабочие процессы CI/CD, автоматизированное тестирование и стандарты документации.
- Microsoft Fabric: артефакты Fabric, мощности и оптимизации, специфичные для Fabric (VORDER).
- Python: написание скриптов для утилит данных, профилирования и автоматизации.
Другие требуемые навыки:
- Коммуникация: объяснение семантики данных нетехническим аудиториям; раннее выявление рисков, связанных с объемом работ/сроками/техническим долгом.
- Партнерство с заинтересованными сторонами: конструктивное ведение переговоров; балансировка конкурирующих запросов; обучение бизнес-пользователей без снисходительности.
- Ответственность и самостоятельность: вы создаете, вы за это отвечаете; предвидение влияния на последующих потребителей.
- Глубина решения проблем: разложение сложных задач на составляющие; взвешивание компромиссов; поиск первопричин, а не устранение симптомов.
- Защитник непрерывных улучшений;
- Язык: свободное владение английским языком.
