Senior Analytics Engineer

Должность: Старший инженер по аналитике Местоположение: Лондон / Великобритания / Лондон, Великобритания

👋 О нас NALA создает платежные системы для следующего миллиарда пользователей. Более быстрые, умные и справедливые переводы для всех. С 2022 года мы выросли в 120 раз, увеличили команду с 9 до 150+ человек, привлекли более $50M от ведущих инвесторов и были включены в список Forbes Fintech 50 в 2025 и 2026 годах.

Мы управляем двумя основными продуктами: NALA, наше потребительское приложение, делает трансграничные платежи дешевле, быстрее и надежнее для глобальной диаспоры. Позволяет пользователям отправлять деньги из Великобритании, США и ЕС в Африку и Азию. Rafiki, наша платежная инфраструктура B2B, обеспечивает глобальные платежи для таких мировых гигантов, как MoneyGram и Western Union.

Наша команда включает выпускников Wise, Stripe, Monzo, Revolut и CashApp — специалистов, которые масштабировали продукты мирового класса. Мы действуем быстро, мыслим глубоко и всегда ставим наших клиентов на первое место.

В NALA это не просто работа. Это владение, влияние и шанс навсегда изменить мир платежей. Присоединяйтесь к нам в создании платежных систем для следующего миллиарда пользователей.

🙌 Ваша миссия Мы рефакторим хранилище данных для агентов и сокращаем его затраты. Аналитики, операторы, руководители и агенты зависят от хранилища данных. Один и тот же вопрос должен давать один и тот же ответ.

В качестве старшего инженера по аналитике вы отвечаете за слой трансформации в dbt и Snowflake. Вы делаете его надежным: хорошо смоделированным, протестированным, документированным и достаточно понятным, чтобы человек или агент могли доверять ответу. Вы устанавливаете планку инжиниринга данных для команды и работаете вместе с нашим другим инженером по аналитике.

Вы быстро освоите существующий стек, а затем поможете построить стек данных после ИИ: артефакты, которые может читать агент, инструменты, которыми может управлять агент, собственный контекст и единую реальность, которую компания может проверить.

Вы устанавливаете стандарт качества на своем примере. Вы достаточно сильны, чтобы формировать стек данных в долгосрочной перспективе.

🎯 Ваши обязанности в этой роли

• Полностью отвечайте за моделирование и трансформацию ваших доменов в dbt и Snowflake, от бизнес-вопроса до управляемой модели, которая на него отвечает.
• Устанавливайте и защищайте методологию моделирования вместе с нашим существующим инженером по аналитике, определяйте гранулярность, размерные паттерны и случаи, когда исключения действительно заслуживают своего места.
• Сделайте ваши модели готовыми для агентов: семантически богатыми, последовательно названными, описанными в бизнес-терминах и безопасными для запросов без необходимости проверки человеком результатов.
• Отвечайте за потоковые и почти в реальном времени конвейеры (Kafka или аналогичные) наряду с пакетной трансформацией, поддерживая надежность и экономичность потоков в реальном времени, прежде чем они станут узким местом.
• Устанавливайте и обеспечивайте соблюдение стандартов кодирования и агентского кодирования, систематического тестирования и документирования как настроек CI по умолчанию.
• Оптимизируйте производительность и затраты на хранилище данных, находя и устраняя паттерны запросов и варианты материализации, приводящие к неоправданным расходам.
• Развертывайте и контролируйте автономных агентов в нашем стеке данных и поддерживайте нашу инфраструктуру данных в соответствии с надлежащими инженерными стандартами: мониторинг, интеграция с incident.io и PagerDuty, с эскалацией, SLA и документированными процессами.
• Поддерживайте и обучайте аналитиков практике инжиниринга аналитики, повышая общий инженерный стандарт в команде.

🔥 Обязательные требования

• Три или более лет практического опыта работы с dbt. Вы можете защитить методологию моделирования. Модель Кимбалла входит в эту защиту: гранулярность, факты, измерения и случаи, когда широкая таблица является неправильным выбором.
• Семантический слой, который вы использовали на практике. Вы можете объяснить метрики, измерения, гранулярность и соединения, а также как агент их читает.
• Потоковая передача данных и хранилище данных в масштабе. Вы отвечали за CDC или другой поток, инкрементальные трансформации и выбор свежести с учетом затрат. Вы можете сказать, когда пакетная модель является неправильным местом для числа с высокой частотой, и что находится рядом с хранилищем: поток, таблица с низкой задержкой или семантический API.
• Snowflake или Databricks. Вы работали с затратами и масштабом: инкрементальное по сравнению с полным обновлением, кластеризация и целевой показатель задержки, необходимый потребителю.
• Оркестрация. Вы планировали, отслеживали и устраняли неполадки конвейера в Airflow, Dagster или аналогичном.
• CI/CD и управление развертыванием. Вы управляли проектом, где запрос на слияние (pull request) собирал измененные модели и их нисходящие зависимости на основе производственного состояния, записывал их в изолированную схему или клон и продвигал тот же набор после слияния. Вы можете описать путь от среды разработчика через CI к производству, как остановить или откатить неудачное развертывание, и сигнал об успешном развертывании.
• Три или более лет практического опыта работы с Python. Вы использовали Python в конвейере: трансформации и проверки, которые выполняются без вашего участия. Тестовое задание на дом или блокнот не удовлетворяют этому требованию.
• Вы увлечены созданием с помощью агентов и для агентов. Предоставление данных агентам в масштабе — это проблема, которую вы хотите решить. Вы использовали передовые инструменты для автоматизации традиционной аналитической нагрузки, такой как повторяющееся изменение модели, сверка или отчет. Вы можете показать результат по времени или объему. Вы можете объяснить, как наблюдается эта система, как она управляется и как она масштабируется за пределы одного человека за ноутбуком.

💪 Желательные требования

• Онтология или модель бизнес-сущностей поверх семантического слоя.
• Распределенный движок, такой как Spark или Trino, используемый для данных, которые не помещаются в один запрос к хранилищу.
• Финтех, платежи или другая регулируемая среда.

✅ Успех в роли будет выглядеть так: Метрики за 3 месяца

• Вы отвечаете за слой трансформации и можете назвать модели, которым люди не доверяют, расхождения в числах и запросы, которые стоят денег.
• Изменение в рабочей модели согласовано и видимо до его применения.
• Товарищ по команде может проследить вашу логику без долгих личных объяснений.
• У вас есть одна автоматизация, которую может запустить товарищ по команде, с изменением до и после по времени или объему.

Метрики за 6 месяцев

• Команда использует автоматизацию, которой вы их научили, и вы можете показать, на сколько часов или какой объем она изменилась.

➡️ Процесс собеседования Прежде чем подавать заявку, ознакомьтесь с нашим руководством по дополнительной подготовке, которое охватывает нашу инженерную философию, стек технологий и что ожидать на каждом этапе собеседования.

Сначала вам нужно подать заявку через нашу ATS Workable. Отправлять сопроводительное письмо не требуется.

В случае успеха вы будете выбраны для нашего процесса собеседования, который состоит из следующих этапов:

[30 мин] Собеседование с командой по подбору талантов Мы хотим узнать вас поближе и обсудить ваш опыт и мотивацию. Лучшая подготовка — действительно знать, почему вы подали заявку на эту должность, включая ответы на вопросы анкеты.

[45 мин] Собеседование с нанимающим менеджером Вы встретитесь с Партом, руководителем нашей команды по данным. Это будет глубокое погружение в то, как вы использовали dbt для решения бизнес-задач, как вы подходите к моделированию и как вы на самом деле работаете с ИИ. Лучшая подготовка — хорошо знать свое резюме.

Тестовое задание на дом Реальное задание, рассчитанное примерно на 2-3 часа, с неделей на выполнение. Полное использование инструментов ИИ приветствуется, и мы просим вас предоставить ваши промпты вместе с работой. Так мы строим, и мы скорее увидим это, чем будем притворяться, что это не так.

[1 час] Техническое глубокое погружение с командой по данным Вы представите свое тестовое задание двум членам команды по данным и ответите на вопросы по вашей архитектуре и решениям.

[45 мин] Bar Raiser Заключительная беседа с членом нашей руководящей команды о вашем послужном списке, амбициях и мотивации, а также ваша возможность задать любые вопросы о компании, которые у вас еще остались.

⭐️ Преимущества

• Частная медицинская страховка: Полное медицинское обслуживание от ведущего британского поставщика, потому что ваше здоровье — это главное.
• 27 дней отпуска плюс государственные праздники Великобритании: Время для восстановления сил. Работа в стартапе — это тяжело!
• Отпуск на день рождения: Отпразднуйте свой особенный день дополнительным выходным в этом месяце.
• Расширенный отпуск по уходу за ребенком: Мы предлагаем 16 недель полной оплаты для основного опекуна и 4 недели полной оплаты для вторичного опекуна (после 6-месячного испытательного срока).
• Улучшенная пенсионная схема: Схема пенсионных отчислений с вычетом из зарплаты через Penfold, дающая вам гибкость и контроль над тем, как вы копите на свое будущее.
• Страхование жизни: Покрытие в 3 раза превышающее годовую зарплату, обеспечивающее вам и вашей семье спокойствие.
• Глобальное рабочее пространство: Доступ к офисам WeWork по всему миру.
• Гибридная работа: Мы работаем в нашем офисе в Кэнэри-Уорф четыре дня в неделю (понедельник, среда, четверг и пятница).
• Бюджет на обучение: Стимулируйте свой рост с помощью $1000 в год на обучение и развитие.
• Sarabi: Тематические закуски и пятничный обед, направленные на построение отличных рабочих отношений в команде.
• Ежемесячные социальные мероприятия: Присоединяйтесь к веселым социальным мероприятиям каждый месяц для отличного времяпрепровождения.
• Бесплатный кофе: Наслаждайтесь кофе в стиле бариста в любое время.