Инженер данных в DWH Лавки — RT/NRT и AI‑агенты

Яндекс·Москва·25 авг.

Инженер данных в DWH Лавки — RT/NRT и AI‑агенты

Ориентир по рынку≈ 154 000 – 229 000 ₽наш грубый ориентир по 199 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

≈ 1,9 тыс.–2,8 тыс. $

🏢 ОфисMiddleПолная занятостьКорпорация

≈ 154 000 – 229 000 ₽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». Объявление живое, и что за работа, понятно из текста.

3 из 4 в норме

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

Деньги

Сумму в объявлении не указали. Грубый ориентир: столько платят в 199 вакансиях уровня Middle по всему рынку, без учёта специальности.

платят меньше154 000 – 229 000 ₽ у половины таких вакансийплатят больше

Вилки нет

Живость

Открыта 57 дней, и признаков фиктивного найма у неё нет.

Живая

Описание

Обязанности: 11, требования: 12. Понятно, что за работа, ещё до отклика.

Подробно

Что требуют

ОбязательноAIPythonSQLGreenplumClickHouseFlink

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

9 вопросов именно к этой вакансии: что спросить на первом созвоне

Когда откликаться

Стоит ли спешить: за сколько дней Яндекс обычно закрывает вакансии

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

Наша компания

Команда DWH Лавки работает над хранилищем, которое поддерживает аналитику и ключевые операционные процессы бизнеса. В основе хранилища — зрелый batch‑контур. Он включает тысячи расчётов и зависимостей: сохраняет историю и предоставляет проверенные данные за прошедший день. Сейчас мы развиваем направление RT/NRT‑данных для AI‑систем Лавки. Речь идёт о потоковых и микробатчевых поставках, единых контрактах и контроле качества. Оперативные данные позволяют быстро получать сигналы и контекст для принятия решений, а batch‑слой обеспечивает полноту данных, сохраняет историю и финальную версию информ

О роли

Роль инженерная, с полной ответственностью за результат. Нужно самостоятельно выбирать задачи, в которых RT/NRT‑данные будут действительно полезны, проектировать решения, запускать их в промышленную эксплуатацию и развивать вместе с продуктовыми командами.

Чем предстоит заниматься

Развитие поставок данных

Вы будете проектировать и развивать RT/NRT‑поставки данных для разных сценариев работы продуктовых команд — например, для жизненного цикла заказа, работы сотрудников, складских операций и отслеживания доступности товаров. При этом нужно тщательно продумать, как будут взаимодействовать оперативный и batch‑контуры, и подобрать архитектуру, которая обеспечит нужную скорость, полноту, стоимость и надёжность данных

Проектирование RT‑данных

Вам предстоит помогать системным аналитикам и продуктовым командам проектировать RT‑данные: подбирать источники и способы обработки, определять модель событий, контракты, требования к свежести и качеству данных, а также прорабатывать правила работы с запаздывающими событиями и предварительными результатами

Поиск возможностей по RT‑данным

Вам нужно будет искать новые способы работы с RT‑данными, разрабатывать универсальные подходы и помогать внутренним заказчикам разобраться, какие задачи можно решить с их помощью. При этом проектирование прикладных агентов и бизнес‑сценариев останется за продуктовыми командами

Инженерные задачи и развитие DWH

В ваши обязанности войдёт ведение инженерных задач: исследование процессов и источников данных, запуск решений в промышленную эксплуатацию, контролирование их работы и безопасное развитие DWH, который имеет большой граф зависимостей

Развитие AI‑агентов для DWH

Предоставлять им качественный контекст и инструменты, устанавливать ограничения и проверки, оценивать результаты работы и превращать сложные случаи в новые сценарии автоматизации. Также вам предстоит работать с нетиповыми инцидентами — выявлять их системные причины и на этой основе создавать новые проверки, инструменты и возможности для агентов

Больше о разработке в Яндексе — в канале Yandex for Developers

Наши требования

Проектировали и поддерживали промышленные RT/NRT‑пайплайны, понимаете, чем их разработка и эксплуатация отличаются от batch‑обработки

Занимались разработкой в крупном DWH или распределённой платформе, понимаете, как безопасно менять процессы с большим графом зависимостей

Умеете проектировать надёжную обработку событийных данных с учётом задержек, повторной обработки и изменений источников

Уверенно владеете Python и SQL, понимаете принципы моделирования данных, качества, наблюдаемости и надёжной эксплуатации

Умеете превращать не до конца сформулированную бизнес‑задачу в модель данных и техническое решение, сравнивать архитектурные варианты, объяснять компромиссы и договариваться с владельцами источников

Уже используете AI‑агентов в инженерной работе и хотите развивать подход, в котором человек управляет целями, качеством и архитектурой, а значительную часть реализации и поддержки выполняют агенты

Готовы брать ответственность за результат поставки данных, а не только за написанный код

Имели глубокий практический опыт работы с Apache Flink

Практиковали построение lambda‑ или kappa‑архитектуры и объединение оперативного и batch‑контуров

Запускали новое платформенное направление или развивали внутренние data‑продукты

Практиковали проектирование data contracts и интеграцию нескольких продуктовых систем

Разрабатывали инструменты, контекст, проверки или evaluation‑процессы для инженерных AI‑агентов