Детали

Грейд

Senior

Формат работы

Гибрид

Тип занятости

Полная занятость

Сопроводительное письмо к вакансии

Письмо на почту или сообщение рекрутеру в Telegram

О вакансии

Департамент платформы объединяет специалистов по инжинирингу данных, SRE/DevOps и MLOps, которые занимаются разработкой и эксплуатацией централизованной платформы и системной инфраструктуры. Мы предоставляем инфраструктуру и технологии общей платформы для всех сервисов компании, таких как Azar, AI/ML, и активно сотрудничаем с соответствующими отделами для достижения бизнес-результатов в различных областях. Кроме того, мы сосредоточены на создании эффективной и продуктивной инженерной культуры, предотвращая разрозненность технических команд в компании.

[Команда Data Analytics Engineering]

Команда Data Analytics Engineering занимается управлением данными (Data Governance), аналитическим инжинирингом (Analytics Engineering) и разработкой хранилищ данных (BI/DW Engineering)
Мы выходим за рамки простого управления конвейерами данных, разрабатывая и предоставляя устойчивые конвейеры данных и модели данных, которые создают ценные данные и управляют SLO/SLI по качеству данных
При управлении и разработке DataLake/Warehouse мы внедряем современные технологические парадигмы, такие как Data Governance и Analytics Engineering, и применяем практики разработки программного обеспечения, включая управление версиями, тестирование, развертывание, мониторинг и наблюдаемость (Observability), к нашей платформе данных
Данные как продукт (Data (as a) Product): мы рассматриваем и разрабатываем данные как программный продукт. Мы также выступаем связующим звеном между производителями и потребителями данных, стремясь улучшить процесс создания данных для производителей (Shift Right) и упростить их использование для потребителей (Shift Left)
Мы создаем и управляем документацией по данным и метаданными для повышения уровня грамотности в области данных в организации и улучшения понимания и использования моделей данных
Мы активно участвуем в разработке внутренних и внешних продуктов данных для монетизации, статистики и операционной деятельности, основанных на агрегированных моделях данных

Задачи

Самостоятельно управлять крупномасштабными глобальными данными, поступающими из различных доменных сред
Преодолеть рамки простого обслуживания конвейеров данных и участвовать в создании и проектировании систем для решения бизнес-задач на основе данных
Получить опыт разработки Data Application, необходимых для бизнеса
Работать с огромными объемами данных (десятки ТБ/день и более) в глобальном масштабе, что позволит вам решать разнообразные технические задачи и экспериментировать
Постоянно исследовать лучшие подходы и рационально внедрять новые рабочие процессы или системы в продакшен
Работать с EKS, BigQuery, Databricks, Airflow, DBT, получая опыт работы с различными облачными инфраструктурами и фреймворками

Разрабатывать и эксплуатировать продукты данных Silver+/Mart после Ledger с использованием Airflow + dbt, неся полную ответственность за их согласованность, воспроизводимость и надежность. Создавать и управлять слоями показателей и семантики (стандартизация определений показателей, формул расчета, версий и влияния изменений). Обеспечивать операционную деятельность по качеству данных и наблюдаемости (тестирование dbt, пользовательские проверки, обнаружение аномалий ключевых показателей, модели рейтингов надежности). Стандартизировать аналитическое обслуживание (сотрудничество с PA, PM, MKT, FP&A для мониторинга дашбордов, отчетов, KPI). Вносить вклад в автоматизацию экспериментов/аналитики, спецификации Reverse ETL и управление данными (схема, терминология, права собственности). Инжиниринг соответствия требованиям (приватность, DLP): определение требований к блокировке на этапе сбора, анонимизация/псевдонимизация/агрегация, реализация, события выхода, периодическое удаление/анонимизация данных, применение политик DLP (защита от утечек данных) на уровне данных.

Требования

Практический опыт в инжиниринге конвейеров данных — SQL + Python, эксплуатация Airflow/dbt. Понимание моделирования и производительности хранилищ данных (Databricks / BigQuery и т.д.). Опыт применения методологий разработки программного обеспечения, таких как тестирование, CI/CD, управление версиями, к конвейерам данных. Опыт преобразования бизнес-доменов в надежные продукты данных. Способность к самостоятельному проектированию и принятию ответственности, а также навыки кросс-командной коммуникации и координации.

Будет плюсом

Опыт самостоятельного создания семантического слоя / MetricFlow, фреймворков качества данных. Опыт обработки больших объемов трафика данных, обработки данных в реальном/близком к реальному времени. Опыт в инжиниринге приватности данных/соответствия требованиям или создании/эксплуатации DLP. Сильные стороны в одной или нескольких областях: Product Analytics / Growth/Marketing / FP&A / AI/ML.

Условия

Тип занятости: Полная занятость Этапы отбора: Отбор резюме > Тестовое задание > Звонок с рекрутером > 1-й этап собеседования > 2-й этап собеседования > Окончательное решение (*при необходимости этапы могут быть добавлены/изменены). Документы для подачи: Резюме на русском или английском языке (PDF) в свободной форме с подробным описанием опыта работы.

При предоставлении ложной информации или наличии препятствий для трудоустройства в соответствии с законодательством, предложение о работе может быть аннулировано. При необходимости, помимо объявленных этапов отбора, могут быть проведены дополнительные проверки. Лицам, относящимся к категории ветеранов боевых действий, предоставляются льготы в соответствии с действующим законодательством. Просим сообщить о вашем статусе при подаче заявления и предоставить подтверждающие документы.

[About the Platform Department]

The Platform Department brings together Data Engineering, SRE/DevOps, and MLOps specialists who are responsible for the development and operation of the centralized platform and system infrastructure. We provide the common platform infrastructure and technologies for all company services, such as Azar and AI/ML, and actively collaborate with relevant departments to achieve business results in various areas. Furthermore, we focus on creating an efficient and productive engineering culture, preventing fragmentation among technical teams within the company.

[Data Analytics Engineering Team]

The Data Analytics Engineering team is responsible for Data Governance, Analytics Engineering, and BI/DW Engineering.
We go beyond simply managing data pipelines, by developing and providing robust data pipelines and data models that create valuable data and manage SLO/SLI for data quality.
When managing and developing DataLake/Warehouse, we implement modern technological paradigms such as Data Governance and Analytics Engineering, and apply software development practices including version control, testing, deployment, monitoring, and observability to our data platform.
Data as a Product: we view and develop data as a software product. We also act as a bridge between data producers and consumers, aiming to improve the data creation process for producers (Shift Right) and simplify its usage for consumers (Shift Left).
We create and manage data documentation and metadata to enhance data literacy within the organization and improve the understanding and utilization of data models.
We actively participate in the development of internal and external data products for monetization, statistics, and operational activities, based on aggregated data models.

[By joining the team, you will]

Independently manage large-scale global data coming from various domain environments.
Overcome the limitations of simply maintaining data pipelines and participate in the creation and design of systems to solve data-driven business problems.
Gain experience in developing essential Data Applications for business.
Work with massive data volumes (tens of TB/day and more) on a global scale, allowing you to tackle diverse technical challenges and experiment.
Continuously explore best approaches and rationally implement new workflows or systems into production.
Work with EKS, BigQuery, Databricks, Airflow, DBT, gaining experience with various cloud infrastructures and frameworks.

Responsibilities: Develop and operate Silver+/Mart products post-Ledger using Airflow + dbt, taking full responsibility for their consistency, reproducibility, and reliability. Create and manage metric and semantic layers (standardization of metric definitions, calculation formulas, versions, and impact of changes). Ensure operational activities for data quality and observability (dbt tests, custom checks, anomaly detection for key metrics, reliability scoring models). Standardize analytics service (collaborate with PA, PM, MKT, FP&A for monitoring dashboards, reports, KPIs). Contribute to the automation of experiments/analytics, Reverse ETL specifications, and data governance (schema, terminology, ownership). Compliance Engineering (Privacy, DLP): define blocking requirements at the ingestion stage, anonymization/pseudonymization/aggregation, implementation, egress events, periodic data deletion/anonymization, application of DLP policies (Data Loss Prevention) at the data level.

Requirements: Hands-on experience in data pipeline engineering - SQL + Python, Airflow/dbt operation. Understanding of data warehouse modeling and performance (Databricks / BigQuery, etc.). Experience applying software development methodologies such as testing, CI/CD, version control to data pipelines. Experience in transforming business domains into robust data products. Ability for independent design and responsibility, as well as cross-team communication and coordination skills.

Preferred Qualifications: Experience in independently building a semantic layer / MetricFlow, data quality frameworks. Experience handling large volumes of data traffic, real-time/near real-time data processing. Experience in data privacy/compliance engineering or building/operating DLP. Strengths in one or more of the following areas: Product Analytics / Growth/Marketing / FP&A / AI/ML.

Hiring Process: Employment Type: Full-time Selection Stages: Resume Screening > Coding Test > Recruiter Call > 1st Interview > 2nd Interview > Final Decision (*stages may be added/modified as needed). Application Documents: Resume in Russian or English (PDF) in free form with detailed work experience description.

Providing false information or having obstacles to employment in accordance with the law may lead to the cancellation of the job offer. Additional checks may be conducted as needed, beyond the announced selection stages. Benefits are provided to individuals who are classified as combat veterans in accordance with current legislation. Please inform us of your status when applying and provide supporting documents.

Подходит ли тебе эта вакансия?

Сравним навыки, грейд, формат работы и зарплату

Ключевые навыки

SQL
Python
Airflow
dbt
Databricks
BigQuery
EKS
Data Warehouse Modeling
Data Governance
Качество данных
Data Observability
Semantic Layer
MetricFlow
Reverse ETL
CI/CD
Data Privacy
Data Loss Prevention
Real-time процессинг

Оценка зарплаты

77 100USDв год

Чаще всего от 55 300 до 86 300