Data Engineering Team Lead

Ориентир по рынку≈ 225 000 – 460 000 ₽наш грубый ориентир по 200 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🏢 ОфисSeniorПолная занятость

≈ 225 000 – 460 000 ₽наша приблизительная оценка

Есть о чём спросить

За такой навык на рынке платят больше. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Команда развивает корпоративное DWH на ClickHouse с нуля — хранилище уже в проде и влияет на ключевую отчётность компании, но проект в стадии активного роста: круг потребителей и объём задач быстро расширяются. Предстоит не просто поддержать этот рост, а выстроить его правильно — так, чтобы данные оставались быстро доступными и при этом не теряли единую версию правды.

О роли

Формат работы — гибкий гибридный формат в Санкт-Петербурге.

Чем предстоит заниматься

Прямое управление командой дата-инженеров: постановка задач, приоритизация, код-ревью, менторство, найм (в том числе предстоящий найм сеньора в команду)

Отвечать за архитектура DWH: слои raw → stg → prep → core → dmt

Проектное управление: roadmap развития DWH

Управление доступом к данным: ролевая модель, права, гранты, распределение ресурсов хранилища между растущим числом потребителей

Выстраивание процессов: CI/CD, Data Quality, Data Governance, дежурства и инцидент-менеджмент, стандарты разработки data pipelines и dbt моделей

Выстраивание взаимодействия DE с бизнес-аналитиками, продуктовыми аналитиками, BI и другими потребителями данных

Наши требования

Опыт работы тимлидом дата-инженеров от 2 лет: реальный опыт постановки задач, проведения код-ревью, найма и развития сотрудников — не только техническая экспертиза

Уверенный опыт с ClickHouse и dbt в проде

Опыт построения или развития DWH по dimensional modeling / методологии Kimball

Сильный SQL и понимание оптимизации запросов в ClickHouse (партиционирование, движки, materialized views, инкрементальная загрузка)

Опыт работы с оркестраторами (Airflow или аналог)

Python на уровне дата инженерных задач (ETL/ELT, автоматизация, интеграции с API)

Опыт выстраивания Data Quality процессов (тесты, мониторинг аномалий, документация)

Опыт CI/CD и работы с git-flow

Опыт управления доступом к данным: ролевые модели, гранты, разграничение прав в хранилище на несколько команд-потребителей

Опыт внедрения CDC

Опыт с Kafka, Trino, Spark