Требования:
— Уверенный опыт работы с данными на позиции аналитика от 4-5 лет
— Опыт работы с аналогичным функционалом в Retail/FMCG в разрезе продаж, категорий
— Приветствуется опыт работы в крупных компаниях производителях FMCG
— Опыт работы с большими данными
— Продвинутый уровень SQL и Excel, ClickHouse. Важно уметь формировать SQL запросы без помощи нейронок
— Опыт построения отчётности на базе справочников и аналитических агрегатов
— Опыт постановки ТЗ для формирования отчётов
— Умение находить оптимальные способы решения задачи (оптимально по скорости, затраченным ресурсам и работе с БД)
— Интерес к профессии, желание развиваться и решать сложные задачи.
Задачи:
— Работать с большим объемом данных
— Разрабатывать логику аналитических выборок и отчётов
— Работать с данными продаж, чеков, заказов, формировать агрегаты из транзакций, обогащать сырые данные
— Писать сложные SQL запросы
— Переводить бизнес-запросы в понятные технические задания для разработки отчётов, витрин
— Работать с расхождениями в данных, находить и анализировать ошибки
— Настраивать фильтры и метрики для BI
Просьба указывать ваши финансовые ожидания при отклике.
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
Требования:
— Уверенный опыт работы с данными на позиции аналитика от 4-5 лет
— Опыт работы с аналогичным функционалом в Retail/FMCG в разрезе продаж, категорий
— Приветствуется опыт работы в крупных компаниях производителях FMCG
— Опыт работы с большими данными
— Продвинутый уровень SQL и Excel, ClickHouse. Важно уметь формировать SQL запросы без помощи нейронок
— Опыт построения отчётности на базе справочников и аналитических агрегатов
— Опыт постановки ТЗ для формирования отчётов
— Умение находить оптимальные способы решения задачи (оптимально по скорости, затраченным ресурсам и работе с БД)
— Интерес к профессии, желание развиваться и решать сложные задачи.
Задачи:
— Работать с большим объемом данных
— Разрабатывать логику аналитических выборок и отчётов
— Работать с данными продаж, чеков, заказов, формировать агрегаты из транзакций, обогащать сырые данные
— Писать сложные SQL запросы
— Переводить бизнес-запросы в понятные технические задания для разработки отчётов, витрин
— Работать с расхождениями в данных, находить и анализировать ошибки
— Настраивать фильтры и метрики для BI
Просьба указывать ваши финансовые ожидания при отклике.
senior
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.
Задачи:
— Точно вводить, обновлять и поддерживать данные компании, записи, таблицы и базы данных.
— Проверять информацию на точность, полноту и исправлять ошибки или несоответствия.
— Обрабатывать и организовывать документы по производству, запасам, закупкам, отгрузке и административные документы.
— Готовить базовые отчёты и таблицы, а также извлекать информацию по необходимости.
— Поддерживать конфиденциальность и организованность записей, следуя процедурам компании.
— Взаимодействовать с другими отделами для поддержки ежедневных административных и управленческих задач с данными.
Требования:
— Предпочтительно наличие аттестата о среднем образовании или эквивалента (GED).
— Опыт работы с вводом данных, административной, канцелярской или офисной деятельностью будет плюсом.
— Внимательность к деталям и точность.
— Базовые навыки работы с компьютером и Microsoft Office.
— Хорошие навыки печати и организации.
— Способность следовать письменным и устным инструкциям.
— Надёжность в посещаемости и трудовой этике.
— Готовность изучать системы и процедуры компании.
Условия:
— Частная медицинская страховка.
— Пенсионный план.
— Оплачиваемый отпуск.
— Бонус за результаты работы.
В АО «Bereke Bank» открыты вакансии для IT-специалистов в различных продуктах с разнообразными задачами. Предлагается гибридный формат работы (удаленка и офис).
В AI команду требуются:
— Senior Data Scientist
— Middle Fullstack (честное разделение 50/50 между фронтендом и бэкендом)
— Senior Fullstack (с уклоном в бэкенд на Python)
— ML-инженер
Для отклика и получения деталей по проектам необходимо связаться через Telegram @dashan13 с резюме.
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.
Требования:
— Уверенный опыт работы с данными на позиции аналитика от 4-5 лет
— Опыт работы с аналогичным функционалом в Retail/FMCG в разрезе продаж, категорий
— Приветствуется опыт работы в крупных компаниях производителях FMCG
— Опыт работы с большими данными
— Продвинутый уровень SQL и Excel, ClickHouse. Важно уметь формировать SQL запросы без помощи нейронок
— Опыт построения отчётности на базе справочников и аналитических агрегатов
— Опыт постановки ТЗ для формирования отчётов
— Умение находить оптимальные способы решения задачи (оптимально по скорости, затраченным ресурсам и работе с БД)
— Интерес к профессии, желание развиваться и решать сложные задачи.
Задачи:
— Работать с большим объемом данных
— Разрабатывать логику аналитических выборок и отчётов
— Работать с данными продаж, чеков, заказов, формировать агрегаты из транзакций, обогащать сырые данные
— Писать сложные SQL запросы
— Переводить бизнес-запросы в понятные технические задания для разработки отчётов, витрин
— Работать с расхождениями в данных, находить и анализировать ошибки
— Настраивать фильтры и метрики для BI
Просьба указывать ваши финансовые ожидания при отклике.
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.
Nitka Technologies is an international IT company specializing in custom software development and IT consulting.
The position is for a Senior Data Engineer working with Delphix technology.
The work format is remote.
Задачи:
— Строить крупномасштабные конвейеры данных, обрабатывающие миллиарды событий ежедневно.
— Проектировать и развивать платформу самообслуживания для хранилища данных и бизнес-аналитики для игровых команд.
— Проектировать и развивать конвейеры машинного обучения для поддержки дата-сайентистов в создании новых моделей на основе игровых данных.
— Применять практики непрерывной интеграции и доставки.
— Оптимизировать тестирование, инструменты и качество данных.
— Сотрудничать с инженерами данных, дата-сайентистами, бизнес-аналитиками, командами маркетинга и продуктовых команд.
Требования:
— Обучение или недавнее завершение обучения по специальности компьютерные науки, программная инженерия или смежные области.
— Понимание принципов проектирования ПО, объектно-ориентированного программирования, паттернов проектирования, алгоритмов и структур данных.
— Навыки программирования на Python, Java, C# или аналогичных языках.
— Знание реляционных баз данных.
— Интерес к построению конвейеров данных и работе с крупномасштабными данными.
— Возможность работать в гибридном формате на территории Белграда, Сербия.
Условия:
— Оплачиваемая стажировка на полный рабочий день с гибкостью в связи с учебой.
— Наставничество и поддержка от опытных разработчиков игр, помощь в развитии карьеры.
— Коллаборативная среда, основанная на прозрачности, доверии и командной работе.
— Обеды, закуски, напитки, доступ в спортзал, организованные спортивные мероприятия, эргономичные рабочие места и современное техническое оборудование.
— Доступ к игровой комнате для детей, музыкальному уголку, настольным играм, видеоиграм и последним игровым консолям.
— Возможность внести вклад в игры, которыми пользуются миллионы пользователей.
Задачи:
— Выгрузка и подготовка данных из PostgreSQL по ТЗ.
— Сборка и актуализация отчетов/дашбордов в BI-системах (Power BI, Superset, Yandex DataLens).
— Проверка корректности данных и поиск аномалий в отчетах.
— Помощь старшим аналитикам в подготовке презентаций с выводами по метрикам.
— Ведение документации по методологиям расчета KPI.
Требования:
— Базовый SQL (SELECT, WHERE, GROUP BY, базовые JOIN).
— Уверенный Excel / Google Таблицы (XLOOKUP/ВПР, сводные таблицы, формулы).
— Понимание базовых метрик (CTR, CPC, Конверсия, ROI/ROAS).
— Внимательность к деталям и точность в расчетах.
— Готовность учиться и задавать вопросы.
Будет плюсом:
— Базовый Python (Pandas) или желание его освоить.
— Опыт или курсы по веб-аналитике (Яндекс Метрика / Google Analytics).
— Наличие учебных или pet-проектов.
Условия:
— Оплачиваемый испытательный срок (2 месяца) с ментором и пошаговым планом.
— Перспектива роста до Middle Analyst за 8–12 месяцев.
— Выплаты 2 раза в месяц на карту РФ/РБ.
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:
— разбираться с данными из разных источников: проверять их качество, искать причины расхождений, создавать агрегаты данных и помогать подключать новые источники;
— развивать и поддерживать аналитическую инфраструктуру: работать с dbt-моделями, настраивать тесты и алерты, следить за корректностью ключевых данных и метрик.
Требования:
— 4+ года опыта работы дата-сайентистом
— Практический опыт с предсказанием LTV или ROAS
— Опыт в adtech или мобильном performance-маркетинге
— Уверенные навыки Python и SQL
— Опыт работы с облачными хранилищами данных в продакшене
— Опыт использования моделей, применяемых для реальных решений
— Владение английским языком на уровне B2+ (письменно и устно)
Требуется Data Engineer, который возьмёт на себя задачи, не связанные напрямую с аналитикой, включая автоматизацию создания отчётов, преобразование моделей в сервисы и оптимизацию запросов. Также необходимо наладить процесс код-ревью и внедрить CI/CD пайплайн для повышения эффективности разработки и поддержки проектов.
Зарплата не указана
Удалённо
75 000 – 120 000 $
Удалённо
75 000 – 120 000 $
Все вакансии в одном месте — страница 9 · Job Hunters