ITQuick

О проекте: Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении. В основе — Golden Record: единый профиль клиента, объединяющий данные банка, продуктов экосистемы и внешних источников. Поверх него строятся Customer 360, сегментация, scoring и персонализированные предложения. Задачи роли: Предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы. Источник слабо документирован: часть значений закодирована, часть бизнес-логики реализована в коде и хранимых процедурах, две внешне одинаковые записи могут быть собраны разными алгоритмами из разных таблиц. Нужен человек, который разберёт этот источник и превратит его в осознанную модель данных: что откуда берётся, что на что влияет, какое поле что означает. Что предстоит делать: — Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику. — Идти от целевой витрины к источнику: определять, из каких таблиц и по какой логике собирается каждый атрибут. — Разделять случаи, когда одинаковые по виду данные получены разными путями, и фиксировать правила выбора. — Описывать модель данных и метаданные: сущности, связи, grain, ключи, историчность. — Формировать требования к витринам для сегментации, scoring и рекомендаций. — Писать SQL-исследования и прототипы трансформаций, проверять гипотезы на данных. — Выяснять смысл данных напрямую у сотрудников банка — это постоянная часть работы. О бэкграунде: Важно, какие задачи вы решали — приходили в незнакомую недокументированную систему и разбирались сами, восстанавливали бизнес-смысл данных, строили модель с нуля и доводили исследование до работающей витрины. Если вы работали дата-инженером и значительную часть времени тратили на то, чтобы понять, что лежит в источнике, — это наш профиль. Если получали готовые чистые витрины — скорее нет. AI-native подход: Мы используем AI-native подход и ожидаем того же от кандидата: AI-инструменты применяются для разбора legacy, анализа схем, написания SQL и документирования. Требования: — Сильный SQL: оконные функции, сложные join-цепочки, анализ качества и распределений. — Опыт реверс-инжиниринга плохо документированных источников. — Понимание data modelling: сущности, grain, ключи, историчность, master entities. — Опыт работы с банковскими или fintech-данными (Core banking (особенно ArmSoft) / legacy banking systems, Customer 360) или опыт разбора сырых банковских данных о клиентах и продуктах из плохо документированных систем с целью производства маркетинговой и финансовой аналитики. — Python на уровне исследования данных. — Способность самостоятельно довести задачу «вот сырьё, вот целевая витрина» до результата. — Проактивность: готовность выяснять смысл данных у людей, а не ждать документации. — Git, Linux, опыт работы в закрытых Dev/UAT-контурах. Будет плюсом: — Знание армянского языка — Методологии матчинга и дедупликации — Опыт с Data Vault 2.0 — Опыт с DBT или аналоги — PII, маскирование, RBAC — Опыт в регулируемом on-premise контуре — Экспертиза в ML, ML Ops Условия: — Взаимодействие по ИП — Локация - Армения — Формат работы - гибрид, готовность работать из офиса банка до 3 раз в неделю.

300 000 – 400 000 ₽