Руководитель проектов внедрения (Technical Project Lead)

до 180 000 ₽

≈ до 2,2 тыс. $

🌍 УдалённоLeadПолная занятость🇷🇺 РФ

до 180 000 ₽≈ до 2,2 тыс. $

Стоит ли откликаться

Стоит откликнуться

Вилку работодатель назвал прямо в объявлении. Вакансия к тому же свежая, откликаться лучше сейчас.

Всё в норме

7 обязательных навыков: сколько из них закрывает ваше резюме

Наша компания

Проект Raft AI4BI — платформа, которая объединяет BI, DWH и AI-аналитику. Пользователь может задавать вопросы к данным на естественном языке, получать аналитику и визуализации.

О роли

Продукт уже используется крупными заказчиками в ритейле, финансах, производстве и других отраслях. Кого ищем

Чем предстоит заниматься

Обследовать ландшафт заказчика: источники, качество данных, доступы, интеграционный контур

Проектировать аналитическое решение: ER-модели, зерно и структура витрин, семантический слой

Писать ТЗ и спецификации интеграций

Проектировать пайплайны загрузки: REST/SOAP API, ETL/ELT, потоковая доставка через Kafka/RabbitMQ

Вести проект: скоуп, сроки, риски, статусы, коммуникация с заказчиком от аналитика до директора

Собирать и проверять данные самостоятельно - SQL и Python там, где быстрее сделать, чем описать

Проводить демо, UAT, обучение пользователей, передавать проект в поддержку

Формулировать и обосновывать задачи для архитектора, когда требуется новое решение

Вести карту аккаунта и инициировать расширения: новые домены, новые интеграции, тираж на смежные подразделения

Наши требования

Apache Superset: датасеты, семантический слой, дашборды, разграничение доступа

Знание доменов закупок и/или продаж - сильно ускоряет старт на проекте

Опыт скрапинга данных

Понимание процессов CI/CD

SQL на уверенном уровне - оконные функции, CTE, чтение планов запросов, оптимизация. Проверим живой задачей на интервью, это ключевой навык роли

Опыт ведения проектов внедрения от старта до сдачи с небольшой командой (2–4 человека), где системный анализ и постановку задач вы закрывали сами

Системный анализ с фокусом на моделирование данных - нормализованные и звёздные модели, SCD, осознанный выбор зерна витрины, ER-диаграммы

Опыт проектирования аналитических решений и интеграций - REST/SOAP API, ETL/ELT-пайплайны, загрузка из нескольких гетерогенных источников

Python для работы с данными - pandas, requests: разобрать ответ API, собрать трансформацию, проверить качество выгрузки

AI-инструменты в ежедневной работе - в том числе на уровне \"навайбкодить своими руками быстро PoC/прототипы и показать клиенту\" - Claude Code, Cursor, Codex

Понимание брокеров сообщений (Kafka/RabbitMQ) - когда они нужны, как описать контракт события. Реализацию делает разработчик