Data Engineer в направление «Интеллектуальные решения»

Ориентир по рынку≈ 140 000 – 300 000 ₽наш грубый ориентир по 195 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🏢 ОфисMiddleПолная занятость

≈ 140 000 – 300 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Вилку работодатель не назвал. Грубый ориентир: столько платят в 195 вакансиях уровня Middle по всему рынку, без учёта специальности.

платят меньше140 000 – 300 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Опубликована 5 дней назад. Раньше не выкладывалась: вакансия новая, а свежие почти всегда живые.

Свежая

Описание

Обязанности: 5, требования: 9. Понятно, что за работа, ещё до отклика.

Подробно

Что требуют

ОбязательноSQLPostgreSQLPythonAirflowClickHouseGreenplumHadoopHiveSparkDocker

Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

Строить пайплайны выгрузки данных из систем заказчика: PostgreSQL, Oracle, Hive-таблицы, Kafka-топики, файлы, API

Разрабатывать и сопровождать DAG'и в Airflow - инкрементальная загрузка, ретраи, алертинг, восстановление после сбоев

Собирать витрины для аналитики и датасеты для AI-сервисов

Отвечать за качество данных: проверки на входе, контроль расхождений, понятная диагностика при инцидентах

Оптимизировать запросы и модели данных, когда витрина перестаёт укладываться в SLA

Наши требования

3+ года в роли Data Engineer или близкой - ETL, DWH, backend с дата-уклоном

Уверенный SQL: оконные функции, планы выполнения, умение объяснить, почему запрос тормозит

PostgreSQL: на практике - индексы, блокировки, партиционирование

Python: на уровне промышленной разработки пайплайнов, а не разовых скриптов

Airflow или другой оркестратор - Dagster, Prefect, аналог;•

Опыт хотя бы с одной аналитической СУБД: ClickHouse, Greenplum, GaussDB(DWS), Vertica

Понимание распределённого хранения: HDFS, Hive-таблицы, движок вроде Spark. Конкретный дистрибутив не важен

Docker: собрать образ, разобраться, почему контейнер падает

Huawei Cloud Stack (MRS, GaussDB, OBS) · Kafka и CDC (Debezium) · Oracle как источник · dbt · Kubernetes ·Spark · Prometheus и Grafana · Data Quality и Data Contracts · подготовка данных для ML: обработка документов, векторные хранилища, эмбеддинги (ничего из этого не обязательно - часть освоите у нас)