Старший инженер по интеграции данных

TradingView — это платформа №1 в мире для всего, что связано с инвестициями. Более 100 миллионов пользователей доверяют нам при принятии торговых решений. Хотите внести свой вклад? Подайте заявку прямо сейчас — помогите формировать будущее финансов.

О команде

Мы ищем инженера по интеграции данных, который возьмет на себя полную ответственность за наши потоки данных. В этой роли ваш основной фокус — не традиционное тестирование UI или API, а глубокое погружение в сами данные. Вы будете жизненно важным звеном между исходными потоками данных и конечным продуктом высокого качества, обеспечивая точность, согласованность и надежность на всем конвейере обработки данных. Если вы относитесь к данным как к продукту и хотите решать сложные аномалии данных у их истоков, мы будем рады с вами поговорить!

Что вы будете делать

• Ответственность за качество данных: Определять требования к качеству данных, метрики и SLA, соответствующие потребностям бизнеса и инженерии.
• Мониторинг и оповещение: Настраивать дашборды, отслеживать SLA данных и проактивно выявлять аномалии, отклонения, дубликаты и дефекты в числовых и производственных потоках данных.
• Расследование инцидентов и устранение последствий (RCA): Проводить анализ первопричин на всем жизненном цикле данных при возникновении расхождений, исправлять некорректные записи и внедрять меры для предотвращения их повторения.
• Интеграция и проектирование схем: Участвовать в проектировании схем/моделей данных и руководить интеграцией и приемом новых источников данных и API.
• Автоматизация и покрытие: Расширять автоматизированное покрытие тестов качества данных и создавать проверки конвейера для раннего выявления проблем.
• Кросс-функциональное взаимодействие: Тесно сотрудничать с разработчиками, менеджерами по продуктам и аналитиками для уточнения требований, оптимизации конвейеров и повышения качества.
• Документация: Вести и развивать всестороннюю документацию по данным, определения схем и журналы дефектов.

Что сделает вас идеальным кандидатом

• Опыт работы от 2 лет в области инжиниринга данных, качества данных, DataOps или анализа данных.
• Основные навыки в области качества данных: Глубокое понимание профилирования данных, аномалий данных и основных измерений качества данных (полнота, точность, согласованность, своевременность).
• Техническая экспертиза и опыт работы с конвейерами: Практический опыт работы с конвейерами данных (ETL, пакетная обработка или потоковая передача) и приемом потоков данных через API и бэкэнд-сервисы.
• CLI и Linux: Высокий уровень комфорта при работе в терминале (Bash / командная строка Linux) и чтении логов приложений.
• Процессы разработки: Хорошее знание JSON/YAML, систем контроля версий (Git/GitHub), практик CI/CD (например, GitLab, Jenkins) и общих концепций SDLC.
• Знание языков: Свободное владение английским языком (B2+ или уверенное чтение и письменное техническое общение).
• Будет плюсом: Опыт работы в сфере финансов или трейдинга; Знакомство с TradingView как продуктом; Скриптинг и автоматизация: Навыки работы с Python для написания скриптов обработки данных или автоматизированных проверок качества, или владение Regex для поиска в больших массивах данных; Продвинутый стек данных: Опыт работы с потоковыми платформами (например, Kafka), инструментами мониторинга данных (data observability) или каталогами данных и управлением метаданными; Современные инструменты: Знакомство с инструментами ИИ и рабочими процессами с использованием ИИ.

Что мы предлагаем

• Гибкий график работы и гибридный формат работы
• Хорошо оборудованные офисы для сфокусированной и совместной работы
• Глобальная распределенная команда из более чем 500 профессионалов
• Обучение, наставничество и долгосрочный карьерный рост
• Поддержка при переезде и частное медицинское страхование
• Бонусы, основанные на результатах работы
• Премиум-доступ к TradingView
• Регулярные командные мероприятия и общекорпоративные встречи

Кто вы

Специалист, ориентированный на данные, который относится к данным как к продукту и хочет решать сложные аномалии данных у их истоков, с возможностью сотрудничать с командами продуктов, инженерии и аналитики.

Технологический стек

Конвейеры данных (ETL, пакетная обработка, потоковая передача); API и бэкэнд-сервисы; JSON/YAML; Git; инструменты CI/CD (GitLab, Jenkins); Linux; Python (предпочтительно для скриптов обработки данных); инструменты мониторинга данных (data observability); потоковые платформы (например, Kafka).