- Страна
- Россия
Аналитик данных (BI/DWH кросс-канального антифрода)
Оценка ИИСильная инженерная культура, работа в крупном финтехе и современный стек технологий делают вакансию очень привлекательной для опытных специалистов. Гибридный формат работы в Москве также является плюсом.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием к опыту от 5 лет и необходимостью глубокого понимания широкого стека технологий (Spark, Kafka, NoSQL). Роль требует не только аналитических навыков, но и компетенций инженера данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указан уровень дохода, однако для специалиста с опытом более 5 лет (Senior уровень) в московском финтехе рыночные предложения обычно находятся в диапазоне 250 000 – 400 000 рублей. Предложенный стек технологий и ответственность соответствуют верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*🔥*Аналитик данных
РСХБ-Интех
Москва, Гибрид
Требования:
*✅*Опыт работы в области данных от 5 лет в технических ролях (DA|DE);
*✅️*Проектирование и внедрение аналитических систем на базе хранилища/озера данных;
*✅️*Понимаете архитектуру, технологии работы и подходы к управлению данными;
*✅️*Знакомы с технологическим стеком: Airflow, Spark, S3, Postgres, ClickHouse, Tarantool, ArangoDB (или аналог), Picodata, Ignite, Dataflot, Kafka;
*✅️*Обладаете аналитическим складом ума, умеете интерпретировать данные и делать выводы;
*✅️*Умеете говорить на одном языке с бизнесом, аналитиками и инженерами;
*✅️*Работа на аналогичных позициях в области антифрода будет преимуществом.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Airflow
- Spark
- S3
- PostgreSQL
- ClickHouse
- Tarantool
- ArangoDB
- Apache Ignite
- Kafka
- Data Lake
- DWH
- Data Engineering
- Data Analysis
Возможные вопросы на собеседовании
Вакансия требует опыта проектирования систем на базе DWH/Data Lake.
Расскажите о наиболее сложном проекте по проектированию архитектуры хранилища данных, в котором вы участвовали. Какие проблемы вы решали?
В стеке указаны Spark и Airflow, что критично для обработки больших данных.
Как вы оптимизируете Spark-задачи при работе с большими объемами данных в S3?
Упоминание антифрода как преимущества предполагает специфические сценарии.
Какие ключевые метрики и признаки (features) вы бы выделили для построения модели кросс-канального антифрода?
В списке технологий много различных СУБД (ClickHouse, Tarantool, Ignite).
В каких случаях вы выберете ClickHouse, а в каких — In-memory решение типа Tarantool или Ignite для аналитических задач?
Требуется умение говорить на одном языке с бизнесом и инженерами.
Опишите ситуацию, когда вам пришлось объяснять сложные технические ограничения архитектуры данных нетехническим стейкхолдерам.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
