О нас
DataLouna — киберспортивная аналитика нового поколения. Мы превращаем сырые данные CS2 и Dota 2 в статистику, предсказания, betting-линии и B2B-продукты.
Мы часть крупного киберспортивного холдинга, включая Team Spirit и другие проекты. Работаем с топовыми букмекерами и строим решения на стыке real-time data, backend и игровой аналитики.
Команда — 7 человек. Минимум бюрократии, много влияния на продукт и технические решения.
Кого мы ищем
Ищем сильного Backend Engineer на Node.js / TypeScript для работы с real-time data системой в киберспорте.
Роль для инженера, который умеет проектировать backend и data-системы вокруг нестабильных источников, live-данных и высокой цены ошибки. Мы работаем не через детальные ТЗ, а через продуктовые цели: нужно разобраться в домене, выбрать подход, реализовать решение и довести его до продакшна.
Чем предстоит заниматься
Не нужно быть экспертом во всех пунктах с первого дня. Это технический ландшафт, в котором предстоит работать и брать ответственность.
Сбор данных и внешние источники
•Писать на Node.js / TypeScript парсеры и скрейперы публичных сайтов, API, киберспортивных платформ и букмекерских виджетов.
•Работать с Playwright, proxy-инфраструктурой, DOM / WebSocket-фидами и обходом ограничений там, где это нужно.
•Интегрироваться с игровыми источниками: Steam Game Coordinator, демо-файлы матчей, live-данные CS2 / Dota 2.
Хранение и обработка данных
•Проектировать схемы PostgreSQL под новые источники и продуктовые фичи.
•Использовать ClickHouse для аналитики и больших объёмов данных.
•Маппить сущности между источниками: команды, игроки, матчи, турниры, события.
•Работать с индексами, партиционированием, миграциями и оптимизацией запросов.
Backend, real-time и пайплайны
•Развивать REST / GraphQL API для веб-приложений, админок, внутренних сервисов и B2B-интеграций.
•Делать стриминг live-данных матчей и коэффициентов через WebSocket / SSE / GraphQL subscriptions.
•Писать воркеры и пайплайны на BullMQ / Redis / PostgreSQL: retries, дедупликация, идемпотентность, обработка падений.
AI, интеграции и инфраструктура
•Интегрировать LLM API / Claude / Anthropic SDK для AI-комментариев матчей, анализа драфтов и других продуктовых фич.
•Писать сервисные интеграции: нотификации, вебхуки, мосты между внешними системами.
•Деплоить в GKE через GitLab CI + Flux CD, работать с Docker / Kubernetes-манифестами.
Стек
Node.js, TypeScript, PostgreSQL, ClickHouse, Redis, BullMQ, Docker, Kubernetes / GKE, GitLab CI, Flux CD.
Стек не догма. Если для задачи лучше подойдёт Kafka, NATS, Temporal или другой инструмент — обсуждаем, если есть аргументы и опыт.
Что важно
•Сильный backend-фундамент: данные, надёжность, асинхронщина, продакшн-мышление.
•Умение работать с неопределённостью: уточнять цель, исследовать варианты и приносить решение.
•Практичный подход к технологиям: выбирать инструмент под задачу.
•Ответственность за результат end-to-end: от исследования и архитектуры до прода и поддержки.