Инженер данных

270 000 – 295 000 ₽

на 6% ниже медианы рынка

≈ 3,2 тыс.–3,5 тыс. $

🌍 УдалённоSeniorПолная занятость

270 000 – 295 000 ₽≈ 3,2 тыс.–3,5 тыс. $

Стоит ли откликаться

Стоит откликнуться

Платят как за похожую работу, и сумма указана прямо. Правда, чем предстоит заниматься, в тексте не сказано.

3 из 4 в норме

Работодатель умолчал о 3 вещах: что спросить на первом созвоне

Написать напрямуюВ тексте вакансии есть контакт: письмо уйдёт человеку, а не в систему подбора

Наши требования

Ищем инженера данных с сильными компетенциями архитектора данных и баз данных, который сможет взять на себя планирование и проведение внедрения инструментов хранения и обработки данных

Должно иметь подтвержденный опыт работы с нашим технологическим стеком (Postgres, MSSQL, Kafka, Flink, Airflow, Iceberg, Trino/StarRocks), уметь проектировать целевую архитектуру хранилищ, анализировать потоки данных и выбирать релевантный инструментарий

Критичны навыки работы с современными data-инструментами, опыт проектирования пайплайнов, обеспечения качества данных и уверенное владение Python для написания DAG, кастомных операторов и интеграций

Опыт работы на позиции Data Engineer от 4 лет в сфере разработки ПО

Опыт работы с ключевыми компонентами нашего стека

ODBMS/DBMS & Warehouses: уверенная работа с Postgres и MSSQL; опыт настройки и оптимизации OLAP-движков (Trino, StarRocks) и современных хранилищ (Cassandra, Redis)

Data Flow Tools: практический опыт работы с Apache Airflow (написание DAG, кастомные операторы); опыт использования Apache Kafka (producer/consumer) и Apache Flink (разработка стриминговых джоб, состояние, чекпоинты)

Data Lake / Lakehouse: опыт работы с Apache Iceberg, понимание архитектуры lakehouse, использование Lakekeeper для управления метаданными, работа с объектным хранилищем S3

CDC: опыт реализации Change Data Capture паттернов для синхронизации данных между системами

Глубокие знания в области архитектуры данных и баз данных: понимание принципов нормализации и денормализации, проектирование relational и columnar моделей, стратегии управления данными (lifecycle, retention, versioning)

Уверенное владение Python: написание скриптов, модулей, работа с асинхронностью при необходимости; опыт написания DAG в Apache Airflow, включая кастомные операторы