.svg)
.svg)
Добавьте резюме в профиль, чтобы сгенерировать временное CV под эту вакансию
Если просят войти через iCloud, отправить коды из SMS, запустить код, что-то установить, перевести деньги или сделать что угодно, связанное с деньгами, не соглашайтесь: это признаки мошенничества.
сегодня
аналитик данных
в пределах рынка
вакансия
230 000 ₽
в среднем
239 722 ₽
мэтч
Добавь резюме в профиле, чтобы видеть % мэтча с вакансией
генерация резюме
сопроводительное письмо
Добавь резюме в профиле, а нейросеть определит твою категорию. Затем ты сможешь генерировать сопроводительные письма для вакансий этой категории
описание
Описания нет
задачи
- Проектировать и внедрять модели данных, готовые для аналитики, с использованием Fact/Dimension-таблиц и семантических слоёв;
- Преобразовывать сырые датасеты в чистые структурированные марты с помощью dbt;
- Обеспечивать полную согласованность и логическое соответствие между хранилищем данных (BigQuery) и BI-слоем (Metabase);
- Писать, тестировать и оптимизировать сложные SQL-запросы для продвинутых аналитических кейсов и отчётности;
- Использовать Views и Materialized Views для повышения производительности и оптимизации ресурсов BigQuery;
- Сотрудничать с заинтересованными сторонами, особенно с отделом рисков, переводя бизнес-требования в надёжные технические модели данных;
- Поддерживать и расширять автоматизированные потоки загрузки данных из разных источников с помощью dlt;
- Управлять и мониторить жизненный цикл активов данных и зависимостей пайплайнов в Dagster;
- Определять и стандартизировать ключевые бизнес-метрики и KPI на уровне кода для обеспечения "Single Source of Truth";
- Внедрять автоматизированные проверки качества данных, правила валидации и проактивный мониторинг на аналитическом слое;
- Документировать бизнес-логику, определения данных и каталоги KPI для поиска данных по компании.
требования
- Экспертный SQL: продвинутые навыки, включая оконные функции, сложные соединения, индексацию и оптимизацию OLAP-запросов; 4+ года;
- Data Stack: обязательный практический опыт с dbt (модели, тесты, макросы);
- Data Ingestion & Extraction: практический опыт с библиотекой dlt или аналогичными Python-фреймворками для загрузки данных;
- Orchestration: опыт управления потоками данных с Dagster (предпочтительно) или аналогами вроде Airflow или Prefect;
- Data Warehousing: хорошее понимание OLTP vs OLAP и техник моделирования данных;
- BI Development: опыт проектирования источников данных и интерактивных дашбордов в Metabase, Tableau или аналогах;
- Python: умение писать чистый код для манипуляций с данными и автоматизации пайплайнов;
- Engineering Best Practices: навыки работы с Git (Pull Requests, Code Review), CI/CD и Docker;
- Системное мышление: внимание к деталям и способность строить масштабируемые логические системы.
условия
- Удалённый график работы.
навыки
