Задачи:
— Помогать в миграции существующего хранилища данных SAP BW на Snowflake, перестраивая трансформации с использованием SQL и dbt при сохранении бизнес-логики.
Требования:
— Практический опыт трансформации и миграции DWH.
— Глубокие знания SAP BW: InfoCubes, DSOs, InfoObjects и трансформаций.
— Продвинутый уровень SQL и моделирования измерений.
— Предпочтение dbt.
— Опыт оркестрации ELT с использованием ADF, Airflow или аналогичных инструментов.
— Ответственное использование AI-инструментов в повседневной работе.
— Преимуществом будут знания Snowflake, чтение ABAP-рутин, Python и макросов dbt.
Условия:
— Медицинская страховка.
— Гибридный формат работы.
— Поддержка благополучия и возможности обучения с карьерным коучем.
— Зарплата от 2500 USD net в месяц.
Задачи:
— Управление командой из 8 человек по модели 1:1
— Выстраивание рабочих процессов внутри команды
— Набор персонала
— Оценка эффективности сотрудников (перформенс-менеджмент)
— Ведение бэклога задач командой
— Решение конфликтов между членами команды
— Ревью кода разработчиков
— Принятие архитектурных решений
Требования:
— Опыт от 7 лет в области данных
— От 3-х лет опыта реального управления командой более 5 человек (включая найм, оценку производительности, увольнения)
Задачи:
— Развивать платформу данных;
— Разрабатывать и оптимизировать ETL/ELT-процессы;
— Работать с batch- и streaming-пайплайнами;
— Развивать модели данных и хранилище.
Удалённоsenior
Зарплата не указана
Не хотите искать каждый день?
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи:
— Развивать Data Lakehouse и единое DWH
— Строить ETL/ELT-пайплайны от источника до готовой витрины
— Разрабатывать интеграции с внутренними и внешними системами
— Настраивать оркестрацию и регулярное обновление данных
— Работать с data quality и metadata management
— Участвовать в выборе инструментов и архитектурных решений
— Взаимодействовать с архитекторами, DevOps, ИБ и бизнесом
Требования:
— Уверенный Python и SQL
— Опыт работы с Airflow или Dagster
— Опыт построения ETL/ELT-пайплайнов
— Хорошее понимание DWH и современных подходов к работе с данными
— Опыт работы с Kafka / streaming
— Опыт в небольших командах или проектах, где приходилось самостоятельно закрывать широкий круг задач
Будет плюсом: Trino, Apache Iceberg, DBT, ClickHouse
Условия:
— Оформление по ТК РФ
— ДМС со стоматологией после испытательного срока
— Компенсация питания
— Полугодовые премии
— Ежегодная индексация
— Спортивные активности и корпоративные мероприятия
— На испытательном сроке — офис 5/2, далее возможен гибрид по договорённости
GB2B empowers iGaming companies to deliver seamless player experiences and operate with absolute confidence.
As we continue to scale and build the next generation of high-performance platform technologies, we’re looking for a Data Analyst to join our mission and turn complex player, operational, and financial data into actionable strategic insights.
Задачи:
— Гипотезы и рекомендации для продуктовых и бизнес-команд
Обязанности:
— Анализ данных по транзакциям, платежам, клиентам и продуктам (карты, переводы, кредиты, цифровые каналы) из АБС и DWH
— BI-дашборды и регулярная отчётность: воронки, retention/churn, доходность
— Ad-hoc исследования, A/B-тесты, выявление аномалий и фрода
— SQL-запросы, витрины данных, ETL, данные для отчётности ЦБ РУз
— Гипотезы и рекомендации для продуктовых и бизнес-команд
Задачи:
— Погружение в сложные системы и ручные рабочие процессы для понимания инструментов и ограничений.
— Проектирование и поддержка чистых, масштабируемых, производственных моделей dbt (например, ARR, признание доходов).
— Работа с полным циклом обработки данных: от загрузки до трансформации и визуализации.
— Практический подход к системным задачам, балансируя быстрые решения и продуманную долгосрочную архитектуру.
— Сотрудничество с командами финансов, инженерии, продаж и другими для понимания потребностей в данных и своевременной реализации решений.
Требования:
— Опыт проектирования и поддержки производственных моделей данных и конвейеров.
— Глубокое понимание современных принципов и лучших практик моделирования данных.
— Сильные навыки SQL и уверенность в работе со сложными наборами данных и схемами.
— Внимание к деталям и высокие стандарты точности и валидации данных.
— Гибкость и находчивость при работе с ручными задачами или несовершенными системами.
— Страсть к чистому коду, масштабируемой архитектуре и постепенному снижению сложности.
— Умение эффективно управлять временем и приоритетами в быстро меняющейся среде.
— Четкие коммуникативные навыки для взаимодействия с техническими и нетехническими коллегами.
— Готовность поддерживать другие области (например, продукт, маркетинг, инженерия) по мере роста команды.
Преимущества:
— Опыт работы в быстрорастущей PLG SaaS компании.
— Успешный опыт трансформации ручных, разовых рабочих процессов в масштабируемые конвейеры данных.
— Знакомство с биллинговыми системами, GAAP бухгалтерией, признанием доходов или поддержкой аудита.
— Опыт работы с Stripe, Salesforce или Orb в контексте финансов и биллинга.
— Знание финансовых циклов и необходимости быстрой итерации в конце месяца и квартала.
Условия:
— Полностью удаленная работа (компания remote-first).
— Конкурентный пакет компенсации, включающий базовую зарплату, акции и комплексные льготы.
— Гибкая и инклюзивная рабочая среда.
— Оплачиваемый отпуск и поддержка баланса работы и жизни.
— Финансирование профессионального развития до $1500 в год, менторство и возможности внутреннего роста.
— Оплачиваемый отпуск по уходу за ребенком (20 недель для рожающих родителей, 16 недель для не рожающих).
— Корпоративные программы для работы из дома, включая выбор ноутбука, компенсацию интернета и бюджет на обустройство рабочего места.
— Взносы работодателя в пенсионный фонд с матчингом до 0.75% от заработка.
— Возможность участия в ежегодных корпоративных мероприятиях и командных выездах.
Технологический стек:
Snowflake, dbt, Hightouch, Fivetran, Looker, Stripe, Salesforce, Orb.
Требования к кандидату:
— 1+ years of experience in Information Security, Security Engineering, Data Security, DLP, or a related technical role.
— Experience creating and tuning security policies
— Basic scripting skills in Python or Bash
— English B1+
ОБЗОР ПОЗИЦИИ И ПРОДУКТА:
Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении на основе Golden Record (единый профиль клиента).
Вам предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы.
Главный вызов — реверс-инжиниринг слабо документированного источника, восстановление бизнес-смысла данных и создание осознанной модели для Customer 360, сегментации и скоринга.
Мы используем AI-native подход и ожидаем того же от кандидата (применение AI для разбора legacy, написания SQL и документации).
Задачи:
• Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику;
• Идти от целевой витрины к источнику: определять таблицы и логику сбора атрибутов;
• Разделять случаи, когда одинаковые данные получены разными путями, 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, прототипы трансформаций и проверять гипотезы;
• Выяснять смысл данных напрямую у сотрудников банка.
Требования:
• Сильный SQL (оконные функции, сложные join-цепочки, анализ качества и распределений);
• Опыт реверс-инжиниринга плохо документированных источников;
• Опыт работы с банковскими / fintech-данными (Core banking, ArmSoft, legacy системы) и построения Customer 360;
• Понимание data modelling (сущности, grain, ключи, историчность, master entities);
• Уверенное владение Python на уровне исследования данных;
• Владение Git, Linux, опыт работы в закрытых Dev/UAT-контурах;
• Использование AI-инструментов для анализа схем и написания кода;
• Проактивность и самостоятельность в доведении задач от «сырья» до целевой витрины (отлично подойдет бэкграунд дата-инженера с опытом работы с сырыми источниками).
Будет плюсом:
• Знание армянского языка;
• Методологии матчинга и дедупликации;
• Опыт с Data Vault 2.0, DBT (или аналоги);
• Понимание PII, маскирования, RBAC;
• Опыт работы в регулируемом on-premise контуре;
• Экспертиза в ML, ML Ops.
Условия:
• Взаимодействие по договору ИП;
• Гибридный формат работы в Армении (готовность работать из офиса банка до 3 раз в неделю).
В роли предстоит заниматься тестированием DWH, проверкой качества и корректности данных, валидацией преобразований source-to-target, регрессионным тестированием и автоматизацией проверок на Python.
Задачи:
— развитие и тюнинг моделей ранжирования и рекомендаций
— разработка новых ML-решений и feature engineering
— прототипирование и внедрение моделей в production на Python
— работа с обучающими выборками и анализ результатов A/B-тестов
— улучшение продуктовых метрик
Требования:
— опыт внедрения ML-моделей в production
— знание основных методов и алгоритмов ML
— понимание нейросетевых моделей для обработки текста
— уверенный Python (NumPy, SciPy, PyTorch, scikit-learn)
— знание алгоритмов и структур данных
— опыт с A/B-тестами
Условия:
— работа в команде экспертов
— широкий технологический стек, сотни проектов
— гибкий график работы
— льготы и меры господдержки, предусмотренные для IT-компаний (аккредитованы Минцифры)
— возможность разрабатывать IT-решения для разных отраслей, пробовать новые технологии
— процессы удаленной работы и просторные офисы с зонами коворкинга
— возможность профессионального роста: стать тимлидом, архитектором, разработчиком full-stack
— развитая система наставничества, сертификация за счёт компании, участие в конференциях, изучение английского языка
— активный обмен опытом, митапы, хакатоны, доклады по развитию hard и soft skills
— 50+ клубов по интересам и профессиональных сообществ внутри компании
— уютный мерч
— полный соцпакет и «белая» зарплата
— корпоративная база знаний и социальная сеть для общения с 1500+ сотрудниками
🕹 Список обязанностей: Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. Проектировать таблицы хранилища: сущности, связи, правила преобразования.
-Проектирование и сопровождение БД: разработка и поддержка объектов базы данных (таблицы, представления, индексы, хранимые процедуры) в среде Greenplum. -Разработка витрин данных: проектирование и расчет показателей для витрин данных под бизнес-задачи с использованием SQL.
Требования:
— 2+ года опыта работы Data Analyst, Data Engineer или Analytics Engineer
— Сильные навыки SQL и опыт работы с PostgreSQL или другими реляционными базами данных
— Опыт построения и поддержки ETL/ELT пайплайнов
— Владение Python для обработки данных и автоматизации
— Понимание моделирования данных и концепций хранилищ данных
— Опыт работы с большими наборами данных и оптимизации запросов
— Свободное владение английским языком
Условия:
— Поддержка релокации
— Полная занятость
— Конкурентная зарплата
— Работа в офисе в Лимассоле
Задачи и подробности не указаны.
О компании OperAI — интерактивная система на базе ИИ для управления операционной деятельностью компании. Цель — создать «второй мозг для CEO», сделать процессы прозрачными и управляемыми, помочь руководителям видеть риски, договорённости и реальное состояние компании. Сейчас запускают пилоты с первыми командами и проверяют продуктовые гипотезы.
Требования:
— Опыт в продуктовой или data-аналитике от 3 лет
— Опыт проектирования архитектуры данных и построения аналитической инфраструктуры с нуля
— Умение создавать модели, схемы и пайплайны для сбора, обработки и хранения структурированных и неструктурированных данных, в том числе с AI
— Практический опыт работы с неструктурированными данными: переписками, расшифровками встреч, документами и корпоративными коммуникациями
— Опыт построения процессов разметки данных: разработка схем разметки, критериев качества и инструкций для разметчиков
— Уверенное владение SQL и Python для анализа и обработки данных
— Понимание ETL/ELT-процессов, требований к качеству данных и принципов Data Governance
— Глубокое понимание принципов работы LLM, embeddings, RAG и AI-агентов
— Умение проектировать метрики и системы оценки AI-функций: точность, полнота, галлюцинации и реальная польза для пользователя
— Готовность брать на себя ответственность и строить аналитическую функцию продукта с нуля
Задачи:
— Проектировать систему внутренней аналитики
— Проектировать структуру хранения данных: события, встречи, задачи, решения, коммуникации и связи между ними
— Помогать формировать единую модель данных для AI-функций продукта
— Оценивать качество работы LLM: точность извлечения фактов, полноту, галлюцинации и полезность результатов
— Разрабатывать подходы к разметке данных и созданию датасетов для тестирования AI-системы
— Участвовать в проектировании AI-пайплайнов, RAG, embeddings и систем поиска по корпоративным данным
— Находить закономерности в операционных процессах клиентов и превращать их в продуктовые решения
— Определять ключевые продуктовые метрики и строить дашборды для команды и фаундеров
— Анализировать поведение пользователей, пилотные запуски и продуктовые гипотезы
— Вместе с разработчиками улучшать качество, наблюдаемость и надёжность продукта
Будет большим плюсом:
— Опыт проектирования архитектуры AI- или ML-систем
— Работа с LLM API, векторными базами, LangChain/LangGraph или аналогичными инструментами
— Опыт построения систем мониторинга и оценки качества LLM
— Понимание операционной деятельности компаний: задач, встреч, решений, ответственности, сроков и отчётности
— Опыт работы с BI-инструментами и продуктовыми системами аналитики
— Опыт в B2B SaaS, стартапах или продуктах для руководителей и команд
— Опыт взаимодействия с data engineering, ML и backend-командами
Условия:
— Equity-модель компенсации на начальном этапе — опцион
— Возможность с нуля построить аналитику AI-продукта
— Высокое влияние на архитектуру, продуктовые решения и развитие компании
— Прямая работа с фаундерами
— Пилотные клиенты и реальные данные для проверки гипотез
— Гибкий формат работы и быстрый цикл принятия решений
— Возможность вырасти в Head of Data / AI Analytics по мере развития проекта
В команду проекта по развитию и тестированию хранилища данных ищем QA-инженера. В роли предстоит заниматься тестированием DWH, проверкой качества и корректности данных, валидацией преобразований source-to-target, регрессионным тестированием и автоматизацией проверок на Python.