Задачи:
- Проводить проектную коммуникацию с представителями бизнес-заказчика с целью уточнения бизнес-требований
- Выявлять и проводить анализ бизнес-требований, потребностей и проблем бизнес-заказчика
- Формировать спецификации требований, описание логических моделей, структур данных и проектных решений (хранилища и витрины данных)
- Согласовывать проектные решения с архитекторами, разработчиками и аналитиками смежных команд
- Проектировать и разрабатывать ETL/ELT процессы, слои хранилища и витрины данных
- Разрабатывать и оптимизировать SQL-запросы
- Проводить внутреннее тестирование и контроль качества информационных продуктов, реализованных разработчиками
- Принимать участие в приёмочных испытаниях информационных продуктов и документации с заказчиками
- Обеспечивать контроль качества данных и их целостность
Требования:
- Высшее образование: техническое, математическое или финансовое
- Опыт работы не менее 5 лет
- Уверенные знания Python, GIT, Airflow (DAG с декомпозицией задач, зависимостями, сенсорами)
- Глубокое знание SQL: оконные функции, процедуры, функции, вложенные запросы, опыт оптимизации запросов
- Понимание индексов, партиций, ключей, нормальных форм, SCD
- Понимание моделирования данных, построения хранилища, репликации и консистентности данных
- Умение рефакторить код и проводить миграцию из одной системы в другую
- Знание принципов CI/CD
- Знание PL/SQL для Oracle, Postgres, Greenplum или знание иной MPP СУБД (будет плюсом)
- Опыт работы с API (будет плюсом)
- Знание ООП, DBT, Kafka, Bash, SAS (будет плюсом)
Banco Plata, a technology-driven platform utilizing AI to transform financial services in Mexico, is seeking a Risk Data Scientist at the Middle+ level. The role involves managing the entire machine learning model lifecycle, including development, deployment, and monitoring. Candidates should have over three years of practical experience in Data Science, preferably within banking or financial sectors. A solid understanding of machine learning algorithms and feature engineering is essential. Proficiency in Python, SQL, Airflow, Git, and BI tools such as Streamlit is required. Educational background should be in Mathematics, Physics, Computer Science, or related STEM fields. Effective communication skills in English at a B1 level or higher are necessary. The position is based in Colombia, with relocation assistance provided.
Задачи:
— Проектировать и разрабатывать пайплайны загрузки данных, оптимизируя их под потребности команд-потребителей
— Проектировать загрузку данных, раскладку по слоям, витрины в ClickHouse, включая выбор движка таблиц, ключей сортировки, партиционирования, шардирования и репликации
— Оптимизировать запросы и хранение данных, выявлять и устранять причины медленных запросов и аномального роста таблиц
— Разрабатывать и поддерживать DAGи в Apache Airflow с учетом идемпотентности, ретраев, бэкфиллов и зависимостей между задачами
— Обеспечивать качество данных через проверки полноты и консистентности, сверки между системами, алертинг и мониторинг пайплайнов
— Взаимодействовать с продуктовыми командами и аналитиками для разбора требований, согласования контрактов данных, объяснения ограничений и предложения вариантов
Требования:
— Опыт работы с ClickHouse, включая идентификацию проблем на кластере и работу с распределенной БД
— Уверенное владение SQL и опыт работы с большими объемами данных (таблицы 50+ Тб)
— Владение Python для разработки пайплайнов и бекенда на FastAPI
— Опыт работы с Apache Airflow, включая разработку и эксплуатацию DAGов в продакшене
— Опыт работы с Apache Kafka, понимание модели топиков, партиций, консьюмер-групп, оффсетов и семантики доставки, опыт построения загрузки из Kafka в хранилище
— Опыт интеграции данных из REST API и реляционных БД (PostgreSQL и аналоги), включая инкрементальную загрузку и работу с изменениями данных
ГибридmiddleМосква
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
О проекте:
Мы строим Customer Intelligence & Personalization Platform для зарубежной экосистемы бизнесов.
Задачи:
— Принимать технические решения и самостоятельно реализовывать ключевые части платформы.
— Владеть архитектурой и развитием Data Core.
— Проектировать слои Bronze / Silver / Gold и модели данных.
— Исследовать банковские, legacy- и внешние источники, восстанавливать их семантику.
— Строить pipelines от raw-данных до подготовленных data products.
— Разрабатывать трансформации на SQL / dbt / Python.
— Определять инженерные стандарты для ELT, data modelling, metadata, lineage и data quality.
— Развивать data catalog и metadata-as-code подход.
— Проектировать data contracts и интеграции Data Core с другими компонентами.
— Переводить исследовательские решения и ручные процессы в production.
— Работать с Git, CI/CD, Docker, Linux и закрытыми Dev/UAT-контурами.
— Взаимодействовать с инженерами и data scientist в команде.
Требования:
— Опыт работы Lead / Staff / Principal Data Engineer или сильного Senior с архитектурным ownership.
— Опыт проектирования и самостоятельной реализации data platform / DWH / Lakehouse.
— Знания Core banking / legacy banking systems.
— Опыт с Customer 360 / Golden Record / MDM.
— Сильный SQL и уверенный Python.
— Опыт работы с dbt или аналогичными transformation frameworks.
— Опыт работы с Airflow / Dagster / Prefect или аналогами.
— Хорошее понимание data modelling, historization, grain и master entities.
— Практический опыт data quality, lineage и metadata management.
— Знание Data Vault 2.0.
— Опыт работы с OpenMetadata или другими data catalog solutions.
— Умение самостоятельно принимать технические решения и отвечать за результат.
— Опыт работы с плохо документированными источниками.
— Навыки работы с Git, CI/CD, Docker, Linux.
— Практический AI-native способ разработки.
Условия:
— Оформление: ИП.
— Формат работы: полная занятость.
— Локация: Ереван либо готовность к регулярным командировкам (до 2 раз в месяц на несколько дней) в Ереван для работы с данными и специалистами заказчика.
— Уровень дохода обсуждается индивидуально.
Компания Tabby ищет опытного инженера данных для работы в команде Data Services. В обязанности входит разработка внутренних решений, включая Feature Store, а также выполнение операционных задач. Ключевые задачи включают создание хранилищ данных и других сервисов обработки, разработку конвейеров EL/ELT/ETL, а также интеграцию новых инструментов для обработки и хранения данных. Требуется опыт от 3 до 5 лет в роли инженера данных, инженера машинного обучения или бэкенд-инженера, умение создавать высокопроизводительные и масштабируемые системы обработки и хранения данных, а также знание систем управления событиями и потоковых конвейеров. Необходимы навыки программирования на Python с применением лучших практик, владение SQL и его эффективным использованием, а также понимание современных методов проектирования систем. Технологический стек включает Airflow, Debezium, BigQuery или Clickhouse, PostgreSQL или CockroachDB, Docker, GitLab (CI/CD), GCP. Также важен опыт работы с REST API, GRPC API, брокерами сообщений и очередями.
About LawnStarter
LawnStarter is the nation's leading on-demand marketplace for lawn care and outdoor services, with over $100M in annual bookings. The company is expanding beyond lawn care to become a one-stop shop for all home services, operating across three brands (LawnStarter, Lawn Love, Home Gnome) on a single shared platform.
About Analytics at LawnStarter
The analytics team supports the entire company including product, marketing, operations, and finance. The data platform includes a centralized Redshift data warehouse, modeled in dbt and orchestrated by Airflow, with Segment feeding event data. The team is mid-migration to Lightdash as the single BI platform, replacing Tableau and Metabase. Currently, data quality, tracking standards, and platform hygiene are side tasks handled by analysts.
The Role
The Analytics Engineering Manager will be the first dedicated person for data governance, responsible for data trustworthiness and the roadmap to improve it quarterly. Responsibilities include ensuring quality and freshness of source data, pipelines, reports, metric definitions, Segment event tracking standards, Lightdash workspace health, data feeding ML models, and data security. The role involves collaborating with product, marketing, ops, and finance to prioritize platform work. It is a hands-on role starting solo, building automation, checks, fixing issues, and establishing scalable processes. Eventually, the manager will hire a Lead Analytics Engineer and grow the function as needed.
Key differentiators of the role:
- First dedicated governance role, reshaping existing standards.
- Owns the data roadmap, discovering business needs and prioritizing work.
- Whole-stack ownership from source data to ML models.
- Leading the migration to Lightdash, setting up permissions and norms.
Responsibilities:
- Develop and manage the data roadmap balancing business needs and platform health.
- Automate monitoring of data quality and freshness, resolve incidents.
- Maintain data lineage and impact analysis to assess downstream effects of changes.
- Administer Lightdash workspace, permissions, and rollout.
- Extend and guard the semantic layer with governed metric definitions.
- Govern Segment event tracking catalog, standards, and drift detection.
- Ensure AI data readiness for internal AI tools querying the warehouse.
- Manage data security, privacy, access controls, and compliance with US state laws.
- Maintain governance documentation, ownership models, and review processes.
Challenges to solve:
- Convert business requests into a prioritized data roadmap.
- Ensure Lightdash migration improves platform usability without dashboard sprawl.
- Complete and maintain a trustworthy semantic layer.
- Manage event-tracking standards and prevent entropy.
- Proactively detect and prevent data pipeline breakages with automation and lineage.
Success metrics for year 1:
- Zero pipeline incidents from unannounced data changes.
- Zero freshness incidents; stakeholders never see stale dashboards.
- All business areas use official, well-maintained metrics and dashboards.
- Every Segment event has an owner and meets standards.
- Governance operates as a documented, sustainable system.
Requirements:
- Passion for data governance as a craft.
- Daily use of AI tools for automation, anomaly triage, and documentation.
- Hands-on manager who codes, debugs, and configures personally.
- Product-minded, able to translate vague requests into prioritized plans.
- Automation-first approach to quality checks.
- Ability to enforce standards with clear rules and good tooling.
Role exclusions:
- Not a large-team leadership role; starts solo with potential to hire one lead.
- Not a policy or committee role; hands-on fixing with code and conversations.
- Not a BI analyst role; focuses on platform and guardrails, not dashboard building.
- Not a mature system babysitting role; involves building and evolving the platform.
Technologies involved:
- Warehouse & pipelines: Redshift, dbt, Airflow
- Ingestion: Fivetran, custom Airflow pipelines
- Event tracking: Segment
- BI tools: Lightdash (primary), Tableau and Metabase (sunsetting)
- AI tooling: Claude Code, Codex, Brain (internal AI toolkit)
- Observability: AI-powered Analytics Engineer agent for monitoring and anomaly detection
Benefits:
- Base salary $75k-$120k/year
- Fully remote with asynchronous collaboration
- Flexible PTO
Equal employment opportunity statement included.
Задачи:
— Владение дорожной картой данных: выявление потребностей продукта, маркетинга, операций и финансов в данных, приоритизация задач с учетом состояния платформы и последовательное планирование инвестиций.
— Обеспечение качества и актуальности данных: автоматический мониторинг источников данных, конвейеров и отчетов, выявление изменений в схемах и источниках до возникновения проблем, управление инцидентами.
— Анализ происхождения данных и влияния изменений: создание живой карты от источника до отчетов, оценка влияния изменений на downstream компоненты до их внедрения, внедрение контрактов данных с инженерией.
— Администрирование Lightdash: настройка структуры рабочего пространства, прав доступа, обучение пользователей, поддержание порядка и производительности.
— Управление семантическим слоем: расширение и поддержка единого определения метрик, предотвращение неконтролируемого роста.
— Управление каталогом событий Segment: проверка новых событий на соответствие стандартам, поддержание соответствия с продакшеном, развитие правил и обнаружение отклонений.
— Обеспечение готовности данных для AI: контроль доступа AI-инструментов к данным, поддержание документации, консистентности и безопасности.
— Обеспечение безопасности и конфиденциальности данных: контроль доступа, обработка персональных данных в соответствии с законами штатов США, регулярные проверки.
— Поддержка системы управления: документация, модели владения и циклы обзора для устойчивой работы процессов.
Требования:
— Профессиональное отношение к управлению данными, стремление к поддержанию чистоты и надежности систем.
— Активное использование AI-инструментов для автоматизации проверок, обработки аномалий и документации.
— Практический опыт управления командой и самостоятельной работы с SQL, Airflow, настройкой прав доступа.
— Ориентация на продукт, умение превращать запросы бизнеса в приоритетный план.
— Стремление к автоматизации повторяющихся проверок.
— Умение устанавливать стандарты и добиваться их соблюдения с помощью инструментов и коммуникации.
Условия:
— Базовая зарплата $75,000-$120,000 в год.
— Полностью удаленная работа с асинхронным взаимодействием.
— Гибкий отпуск по результатам работы.
Описание роли:
— Первая позиция, посвященная управлению данными и их качеством в компании.
— Роль с полным владением цепочкой данных от источника до отчетов и моделей машинного обучения.
— Роль с практической деятельностью и последующим расширением команды.
— Не руководящая большая команда, а построение и развитие функции.
— Не роль BI-аналитика или политика, а инженерно-управленческая позиция.
Технологии:
— Хранилище и конвейеры: Redshift, dbt, Airflow.
— Интеграция данных: Fivetran, кастомные Airflow конвейеры.
— Отслеживание событий: Segment.
— BI-платформы: Lightdash (основная), Tableau и Metabase (выводятся).
— AI-инструменты: Claude Code, Codex, Brain (внутренний AI-инструмент).
— Наблюдение: AI-агент для мониторинга свежести, обнаружения аномалий и lineage dbt.
Компания Tabby — финтех-платформа BNPL (покупай сейчас, плати позже), предлагающая беспроцентные рассрочки для покупателей в Саудовской Аравии, ОАЭ и Кувейте.
Стек технологий включает Python, Go, PostgreSQL, Pub/Sub, BigQuery, GCS, Kubernetes, Google Cloud Platform, Airflow и микросервисную архитектуру.
Формат работы — удалённый.
Задачи:
— Проектирование, внедрение и поддержка DevOps-инструментов для дата-пайплайнов и платформ.
— Поддержка и автоматизация ETL-воркфлоу (например, Spark, Airflow).
— Создание и управление мониторингом и наблюдаемостью качества данных (DBT), дата-пайплайнов и систем хранения.
— Внедрение и поддержка инфраструктуры хранения данных на AWS (S3, EC2, сеть).
— Интеграция и поддержка Project Nessie как транзакционного каталога для Data Lakes с семантикой, похожей на Git.
— Тесное взаимодействие с Data Engineers для обеспечения плавного деплоя, версионирования и масштабирования дата-задач и пайплайнов.
— Автоматизация деплоя и CI/CD процессов с использованием GitLab CI/CD.
— Обеспечение лучших практик безопасности при работе с чувствительными данными.
— Написание автоматизации инфраструктуры на Python, Bash, Ansible.
— Документирование систем, пайплайнов и DevOps-процессов.
Требования:
— Опыт 5+ лет в DevOps / IT Ops / DataOps с практическим опытом работы с инфраструктурой, связанной с данными.
— Глубокие знания Linux (сеть, настройка ядра, оптимизация производительности).
— Практический опыт работы с Airflow, ClickHouse, DBT, Spark и Project Nessie.
— Солидные знания AWS (S3, EC2, IAM, сеть).
— Владение скриптингом и автоматизацией (Python, Bash, Ansible).
— Опыт работы с CI/CD пайплайнами (GitLab).
— Опыт с мониторинговыми стеками (Prometheus, Grafana, ELK).
— Знакомство с контейнеризацией и оркестрацией (Docker, Kubernetes).
— Понимание концепций управления данными.
— Сильные коммуникативные навыки и проактивный подход.
Желательно:
— Опыт работы с потоковой обработкой данных в реальном времени.
— Знание инфраструктуры как кода (Terraform).
— Знакомство с безопасностью в дата-инжиниринге (IAM, шифрование, контроль доступа).
— Опыт работы с высокопроизводительными системами или в торговой среде.
Описание проекта
Информационно-аналитическая веб-платформа для профессиональных участников финансового рынка (биржевые данные, аналитика, новости). Микросервисная архитектура, высокая цена ошибки в данных. Перестраиваем разработку под модель, где большую часть кода пишут AI-агенты, а инженер — постановщик задач, архитектор и контролёр качества.
Задачи:
— закрывать несколько ролей: системный анализ → проектирование → реализация → базовое QA → вывод в прод
— постановка задач с проверяемым результатом
— декомпозиция фичи: что делаем сами, что отдаём агенту, что согласуем
— лидирование разработки: планирование, код-ревью, менторинг
— end-to-end ownership: фича от идеи до прода
Требования:
— backend-разработка от 5 лет, из них часть на Python
— писать надо будет на Python
— микросервисы, понимание их слабых мест
— SQL, проектирование реляционных БД; PostgreSQL, MongoDB
— паттерны (Repository, Service, Unit of Work), DDD, CQRS
— Docker, Kubernetes (основы), CI/CD (GitLab CI), мониторинг (Prometheus, Grafana, ELK)
— работа с нечёткими требованиями: user stories, критерии приёмки, ТЗ
— опыт с AI-ассистентами (Claude Code, Cursor, Copilot): делегация задач, инженерия контекста, критическая верификация результата
— лидирование разработки от 2 лет
— быстрая обучаемость, системное мышление, самостоятельность
— готовность совмещать роли и работать в высоком темпе
— в резюме до отклика обязательно указать опыт с задачами СА и AI-инструментами (что, для чего, результат)
Будет плюсом:
— REST API (CRUD, пагинация), обратносовместимые API
— Kafka, RabbitMQ, потоковая обработка ETL, Apache Airflow
— PostgreSQL FTS, ElasticSearch, WebSocket
— OAuth/OpenID, Keycloak, RBAC/ABAC
— Yandex Cloud, Golang, Django
— опыт с финансовыми/биржевыми данными
Условия:
— грейд: Senior
— загрузка: 100%
— срок подключения: до конца года с продлением
— отпуск: не ранее чем через полгода
Задачи:
– Разработка и рефакторинг ETL/ELT пайплайнов на pyspark;
– Разработка и поддержка OLAP движков Starrocks/Clickhouse;
– Поддержка текущих пайплайнов на Greenplum и Hadoop;
– Миграция с HDFS на S3;
– Оптимизация spark-приложений.
Требования:
– Опыт работы с Python от 3 лет;
– Глубокое знание SQL и опыт работы с большими данными;
– Опыт работы с Apache Airflow;
– Опыт проектирования и разработки ETL/ELT процессов;
– Опыт работы с колоночными БД (ClickHouse);
– Знание принципов построения Data Warehouse и Data Lake;
– Понимание разницы между OLTP/OLAP системами;
– Уверенная работа c linux и git;
– Понимание процессов ci/cd.
Задачи:
— Разрабатывать ML-модели (lookalike/response/uplift/recsys) для персонализации push/pull-коммуникаций, категорий кешбэка, рекламных материалов и других сценариев в цифровых каналах банка;
— Визуализировать и интерпретировать результаты, дизайнить A/B-тесты, проводить пилоты;
— Общаться с бизнесом и помогать решать задачи через данные и ML;
— Проходить полный цикл разработки модели: от уточнения требований до продакшна и мониторинга качества (если каких-то навыков не хватает — поможем развить);
— Разрабатывать AI-агентов.
Требования:
— Высшее техническое образование;
— 3+ года опыта в Data Science (именно построение моделей, не только аналитика);
— Уверенный математический аппарат: мат. статистика, теория вероятностей;
— Продвинутый Python и SQL (оконные функции, подзапросы — на автомате);
— Опыт работы со Scikit-learn, NumPy, Pandas/Polars, Matplotlib/Seaborn/Plotly, LightGBM/XGBoost/CatBoost, PyTorch/TensorFlow/Implicit/LightFM, Airflow, Git.
Будет большим плюсом:
— PySpark, Hive, Hadoop, Docker, Kubernetes;
— Опыт в банковской сфере и CVM;
— Модели склонности и uplift-моделирование;
— Рекомендательные системы (RecSys);
— NBA/NBO оптимизаторы (Next Best Action / Next Best Offer);
— ИИ-сервисы (real-time, near real-time или batch).
Условия:
— Гибридный формат работы, Москва, Москва-Сити (2 дня в неделю в офисе);
— Комфортный и современный офис;
— Обучение за счет компании (посещение конференций, курсов, помощь в написании статей на Хабр и т.д.);
— Вертикальное и горизонтальное развитие: регулярные тренинги, вебинары, митапы;
— Забота о вашем здоровье: ДМС с первого месяца работы, куда входит стоматология;
— Прозрачный доход по итогам интервью;
— Дополнительные бонусы от Россельхозбанка для сотрудников группы компаний (Скидки на спортзалы, рестораны, маркетплейсы и т.д.).
Задачи:
— Участие в построении автоматизированной системы контроля качества данных (DQ): развитие проверок, покрытие ключевых потоков, автоматизация.
— Обработка запросов внутренних заказчиков: выгрузки, сверки, проверка данных.
— Контроль корректности отчётности: следить за загрузками, разбирать расхождения, проверять цифры до публикации.
— Поддержка и развитие отчётов и дашбордов в Power BI.
— Работа с данными: подготовка, трансформация, визуализация, контроль качества.
— Документирование процессов, поддержка актуальности описаний.
Требования:
— SQL на уровне оконных функций, умение разобраться в незнакомой витрине.
— Уверенное владение Power BI.
— Опыт работы с реальными данными, а не только учебными примерами.
— Честность, открытость, ответственность.
— Умение самостоятельно разбираться в задачах и доводить до результата.
— Готовность работать в офисе полный день.
— Будет плюсом: опыт построения проверок качества данных (DQ, Great Expectations, dbt tests), Python для выгрузок и работы с API, понимание Airflow и dbt, опыт в ритейле или e-commerce.
Условия:
— График работы: 5/2 с 9:00 до 18:00. Офисный формат работы. После испытательного срока готовы предоставить гибридный формат.
— Скидка на ДМС.
— Ювелирные подарки сотрудникам в честь возрастания стажа работы в команде.
— Скидки на покупку ювелирных изделий.
— Спортивные мероприятия: баскетбол, футбол, настольный теннис, беговые марафоны, плавание и танцы.
— Стабильную выплату заработной платы два раза в месяц без задержек.
— Подарки в честь значимых событий в жизни сотрудников: День Рождения, подарки детям на Новый год.
— Оборудованная кухня внутри офиса с кофемашиной.
— Просторный и комфортный офис в шаговой доступности от метро Марьина Роща.
Описание проекта:
Информационно-аналитическая веб-платформа для профессиональных участников финансового рынка (биржевые данные, аналитика, новости). Микросервисная архитектура, высокая цена ошибки в данных.
Перестраиваем разработку под модель, где большую часть кода пишут AI-агенты, а инженер — постановщик задач, архитектор и контролёр качества. Ищем сильного инженера, готового закрывать несколько ролей: системный анализ → проектирование → реализация → базовое QA → вывод в прод.
Обязательные требования:
— Backend-разработка от 5 лет, из них часть на Python. Писать надо будет на Python
— Микросервисы, понимание их слабых мест
— SQL, проектирование реляционных БД; PostgreSQL, MongoDB
— Паттерны (Repository, Service, Unit of Work), DDD, CQRS
— Docker, Kubernetes (основы), CI/CD (GitLab CI), мониторинг (Prometheus, Grafana, ELK)
— Работа с нечёткими требованиями: user stories, критерии приёмки, ТЗ
— Декомпозиция фичи: что делаем сами, что отдаём агенту, что согласуем
— Постановка задач с проверяемым результатом
— ОПЫТ С ЗАДАЧАМИ СА — ОБЯЗАТЕЛЬНО В РЕЗЮМЕ ДО ОТКЛИКА
— Опыт с AI-ассистентами (Claude Code, Cursor, Copilot): делегация задач, инженерия контекста, критическая верификация результата
— ОПЫТ С AI-ИНСТРУМЕНТАМИ (ЧТО, ДЛЯ ЧЕГО, РЕЗУЛЬТАТ) — ОБЯЗАТЕЛЬНО В РЕЗЮМЕ
— Лидирование разработки от 2 лет: планирование, код-ревью, менторинг
— End-to-end ownership: фича от идеи до прода
— Быстрая обучаемость, системное мышление, самостоятельность
— Готовность совмещать роли и работать в высоком темпе
Будет плюсом:
— REST API (CRUD, пагинация), обратносовместимые API
— Kafka, RabbitMQ, потоковая обработка
— ETL, Apache Airflow
— PostgreSQL FTS, ElasticSearch, WebSocket
— OAuth/OpenID, Keycloak, RBAC/ABAC
— Yandex Cloud, Golang, Django
— Опыт с финансовыми/биржевыми данными
Задачи:
— Проектировать и развивать модель данных DWH по методологии Data Vault
— Собирать и формализовать требования к источникам, витринам и загрузкам
— Проектировать потоки данных от источников (PostgreSQL и ClickHouse) до целевых слоёв хранилища
— Писать и оптимизировать SQL-запросы под Greenplum
— Описывать логику трансформаций и участвовать в постановке задач разработчикам
— Развивать процессы контроля качества данных (DQ)
Требования:
— Уверенный SQL и опыт работы с Greenplum
— Знания основ и моделей хранилищ данных
— Практический опыт проектирования по Data Vault
— Опыт работы с реляционными источниками (PostgreSQL) и аналитическими СУБД (ClickHouse)
Будет большим плюсом:
— Опыт работы с dbt
— Airflow
— Инструменты контроля качества данных (Soda Core или аналоги)
Условия:
— Официальное трудоустройство в штат компании по ТК РФ
— Гибкий формат работы: возможность удалённо работать или в офисе в Москве (в одной минуте ходьбы от м. Технопарк)
— Расширенная программа ДМС со стоматологией с первого дня работы
— Доплата по больничному листу до оклада до 5 рабочих дней в год
— Линия психологической поддержки
— Врач в офисе и массажные кресла (для сотрудников в Москве)
— Бесплатные посещения фитнес-клуба А-sport на ст. м. Технопарк
— Корпоративная программа профессионального обучения совместно с Альфа Групп
— Возможность участия в профильных конференциях
— Онлайн-библиотека
— Карьерное развитие и программа наставничества
— Кафетерий льгот через 6 месяцев (спорт, организация рабочего места, здоровье, дети, питомцы, благотворительность и др.)
— Корпоративные мероприятия и тимбилдинги в онлайн и офлайн формате
— Подарки к праздникам и материальная помощь по особым случаям
— 3 дня 100% оплачиваемых day off в году
Задачи:
— Руководство и развитие команды старших инженеров и технических лидов в областях GTM Store и ZoomInfo Data Platform.
— Определение дорожной карты развития систем, балансировка между масштабированием, производительностью, скоростью интеграции новых данных, соблюдением требований безопасности и надежности платформы.
— Формирование культуры высокой производительности, ответственности, технической строгости и операционного совершенства.
— Управление старшими техническими специалистами, установка ожиданий, предоставление технических рекомендаций и развитие карьерных путей.
— Взаимодействие с вице-президентом по инженерии для формирования стратегии платформы.
— Приоритизация задач между масштабированием, интеграцией новых данных, соблюдением нормативных требований и надежностью.
— В области GTM Store: стратегия, архитектура и развитие основного операционного хранилища данных (BigTable), включая масштабирование, производительность, надежность и системы захвата изменений данных (CDC).
— Руководство архитектурными решениями для улучшения производительности, задержек и экономической эффективности.
— Внедрение лучших практик мониторинга, оповещений, планирования емкости и реагирования на инциденты.
— Стратегия и архитектура CDC, обеспечение надежной передачи событий изменений данных в downstream-системы.
— В области ZoomInfo Data Platform: стратегия, архитектура и развитие аналитического хранилища данных (BigQuery), включая конвейеры загрузки данных и системы интеграции новых источников.
— Упрощение и ускорение интеграции новых данных, стандартизация и автоматизация процессов загрузки.
— Обеспечение надежности, наблюдаемости и масштабируемости конвейеров данных.
— Управление процессами удаления данных клиентов в соответствии с GDPR, CCPA и другими нормативами.
— Взаимодействие с юридическим отделом и продуктовой командой для адаптации процессов удаления данных.
— Создание систем наблюдаемости и аудита для подтверждения соответствия требованиям.
— Взаимодействие с кросс-функциональными командами для определения требований и поддержки внедрения новых данных.
— Представление интересов GTM Store и ZoomInfo Data Platform в стратегических обсуждениях.
Требования:
— Опыт работы в области программной или платформенной инженерии не менее 8 лет, включая опыт на руководящих позициях.
— Опыт управления старшими техническими специалистами и поддержания высокого технического уровня.
— Глубокие знания масштабируемых операционных (BigTable) и аналитических (BigQuery) хранилищ данных и распределенных систем.
— Опыт архитектуры конвейеров загрузки данных и технологий CDC (Debezium, Kafka Connect, Kafka или аналогичные).
— Знание практик обеспечения конфиденциальности данных и соблюдения нормативных требований (GDPR, CCPA).
— Умение балансировать между надежностью платформы и скоростью внедрения новых функций.
— Навыки кросс-функционального взаимодействия с продуктовой и бизнес-командами.
— Отличные коммуникативные навыки для презентации стратегии и прогресса руководству.
Предпочтительно:
— Знакомство с инфраструктурой Google Cloud Platform, включая BigTable и BigQuery.
— Опыт работы с платформами потоковой передачи событий (Kafka) и инструментами оркестрации конвейеров (Airflow).
— Опыт создания инструментов самообслуживания для ускорения интеграции данных.
Условия:
— Удаленная работа.
— Конкурентная годовая зарплата от $191,730 до $301,290.
— Дополнительные бонусы, комиссии, акции и другие льготы.
— Комплексные программы поддержки здоровья и благополучия.
Компания ZoomInfo предоставляет равные возможности для всех кандидатов без дискриминации по любым признакам, защищенным законом.
Задачи:
— Поддержка, развитие и улучшение облачной инфраструктуры в AWS (включая VPC, EC2, EKS, IAM, Route 53, S3);
— Управление платформами на базе Kubernetes;
— Проектирование, внедрение и поддержка Infrastructure as Code с использованием Terraform и Ansible;
— Поддержка деплоя сервисов и стандартизации платформы с помощью Helm;
— Построение, поддержка и развитие CI/CD‑пайплайнов с использованием GitLab CI и Argo CD, администрирование on‑premises GitLab;
— Поддержка и развитие мониторинга и observability (VictoriaMetrics, VictoriaLogs, Grafana);
— Администрирование и поддержка HashiCorp Vault;
— Диагностика и поддержка Linux‑окружений, работающих на EC2 и в Kubernetes;
— Базовая операционная поддержка PostgreSQL, MS SQL, Apache Airflow, а также БД, работающих в AWS RDS и Kubernetes;
— Участие во внедрении мер безопасности инфраструктуры и платформ (шифрование, сегментация сети, безопасное взаимодействие сервисов и т. д.);
— Разработка внутренних инструментов и решений для автоматизации;
— Разбор инцидентов, выявление первопричин и внедрение превентивных улучшений.
Требования:
— Высшее образование;
— Сильный практический опыт работы с AWS, особенно VPC, EC2, EKS, IAM, Route 53, а также понимание сетевых концепций;
— Уверенный опыт использования Terraform в продакшене;
— Глубокий практический опыт работы с Kubernetes;
— Хорошие знания Helm и опыт поддержки переиспользуемых шаблонов и chart’ов;
— Практический опыт с Helm Library Charts и Go‑templating;
— Уверенные навыки администрирования Linux;
— Хорошее понимание сетевых основ: TCP/IP, DNS, HTTP(S), TLS, VPN, балансировка нагрузки, ingress;
— Опыт построения и поддержки CI/CD‑пайплайнов, предпочтительно с GitLab CI;
— Опыт работы с GitOps‑инструментами, такими как Argo CD;
— Понимание мониторинга, логирования и устранения проблем в распределённых системах;
— Умение писать скрипты и инструменты автоматизации на Bash, Python или Go;
— Понимание основ безопасности инфраструктуры: работа с секретами, шифрование, контроль сетевого доступа, принцип наименьших привилегий, безопасные соединения;
— Английский язык на уровне минимум B1, предстоит общение с иностранцами.
Условия:
— Прозрачную систему мотивации (оклад + ежегодные бонусы до 3ех окладов);
— Подключение на крупный и стабильный проект. Разнообразие интересных задач;
— Отсутствие бюрократии, высокая степень свободы. Решения принимаются очень быстро;
— Карьерный рост, прямое влияние на бизнес и возможность использовать новейшие технологии.
Задачи:
— Разрабатывать и внедрять ML-модели для прогнозирования поведения клиентов-физических лиц и розничного продуктового портфеля Банка
— Рассчитывать ожидаемые денежные потоки по кредитным и пассивным продуктам Банка
Требования:
— Опыт работы в банковской сфере
— Опыт разработки и внедрения ML-моделей от сырых данных до production
— Работа с табличными данными
— Свободное владение Python: Pandas, NumPy, Matplotlib (или аналогичными инструментами визуализации)
— Знание SQL: оконные функции, сложные JOIN, оптимизация запросов к БД
— Хорошее владение ML-библиотеками: CatBoost, LightGBM, XGBoost, Scikit-learn
— Умение проводить стресс-тесты и А/В-тесты
— Понимание особенностей розничных банковских бизнес-процессов
— Преимуществом будет знание MLflow, Airflow, Butch Scoring, Docker, Spark / PySpark
Условия:
— Офисный формат работы
— Офис в центре Москвы
ОфисМосква
Зарплата не указана
Удалённо
75 000 – 120 000 $
Удалённо
75 000 – 120 000 $
Удалённоhead
191 730 – 301 290 $
Все вакансии в одном месте — страница 4 · Job Hunters