- Страна
- Россия
Аналитик данных (Data Quality)
Оценка ИИХорошая вакансия для Middle/Middle+ аналитиков с фокусом на Data Quality. Предлагается полная удаленка и работа с современным стеком (Airflow, FineBI), однако отсутствие указанной зарплаты и названия компании снижает прозрачность предложения.
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 ИИРоль требует глубокой экспертизы в Data Quality и уверенного владения SQL на уровне сложных запросов. Дополнительную сложность придает необходимость понимания банковской специфики и работы с Apache Airflow.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИУказанная роль Middle+ аналитика данных на российском рынке обычно оплачивается в диапазоне от 180 000 до 280 000 рублей после вычета налогов. Вакансия соответствует рыночным ожиданиям по стеку технологий, но финальное предложение будет сильно зависеть от опыта кандидата в банковской сфере.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
#вакансия #удаленно #датааналитик #analyst #аналитикданных
- Занятость: полная
- Локация: РФ
- Гражданство: РФ
- Рабочий график: по МСК ±2 часа
- Формат: Удаленно
Позиция
- Роль: Аналитик данных
- Уровень: Middle+, Middle
Обязательно
- Опыт работы с качеством данных: понимание основных критериев DQ, опыт формализации правил и проверок качества данных, а также профилирования данных — анализа структуры и наполнения, выявления пропусков, дублей, аномалий и неконсистентных значений.
- Опыт работы с DWH/КХД: понимание структуры хранилища, источников и потоков данных, умение анализировать причины расхождений и некорректных данных.
- Опыт взаимодействия с владельцами данных, аналитиками и командами систем-источников: сбор и формализация требований, согласование правил и проверок качества данных.
- Уверенное владение SQL: сложные JOIN, подзапросы, оконные функции; использование SQL для анализа, профилирования и проверки данных; понимание базовых принципов оптимизации запросов.
- Понимание ETL/ELT-процессов и принципов загрузки и преобразования данных.
- Практический опыт работы с Oracle и/или PostgreSQL.
- Опыт анализа инцидентов качества данных: локализация проблемы, определение источника ошибки, взаимодействие с ответственными командами.
- Базовое понимание Apache Airflow: DAG, задачи, зависимости, расписание; готовность работать с типовыми DAG для DQ-проверок.
Желательно
- Опыт работы с Data Catalog / метаданными, глоссариями и описанием данных.
- Опыт работы в банковской предметной области, особенно с кредитными данными, БКИ или регуляторной отчётностью.
- Опыт работы с Informatica ETL или другими ETL-инструментами.
- Опыт работы с Service Desk / системами управления инцидентами.
- Опыт работы с FineBI или аналогичными BI-инструментами.
- Базовые навыки Python.
- Знание PD, LGD, EAD и ПВР — как дополнительное преимущество.
Задачи
- Разработка, настройка и сопровождение проверок качества данных.
- Анализ и профилирование данных: выявление расхождений, пропусков, дублей, аномалий и других проблем качества.
- Разбор инцидентов качества данных: локализация источника проблемы, определение ответственной команды и сопровождение решения.
- Взаимодействие с владельцами данных, аналитиками и командами систем-источников: сбор и формализация требований к данным, согласование правил и проверок качества.
- Работа с DWH/КХД: анализ источников, потоков загрузки и преобразований данных.
- Подготовка требований на доработку инструментов и процессов контроля качества данных.
- Работа с DQ-проверками, реализованными на базе Apache Airflow: настройка, запуск, контроль выполнения и анализ результатов.
- Работа с каталогом данных и метаданными: актуализация описаний данных, атрибутов, связей и глоссариев совместно с владельцами данных.
- Участие в развитии процессов Data Governance и методологии качества данных.
- Настройка и сопровождение сверок между системами и источниками данных.
- Участие в формировании и развитии SLA по поставке данных.
По всем вопросам Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- DWH
- Data Quality
- ETL
- ELT
- Oracle
- PostgreSQL
- Apache Airflow
- Data Governance
- Python
- FineBI
- Informatica ETL
- Data Profiling
Возможные вопросы на собеседовании
Проверка понимания фундаментальных аспектов качества данных.
Какие основные метрики Data Quality (DQ) вы считаете наиболее критичными для банковского сектора и почему?
Оценка практических навыков работы с SQL для задач анализа.
Опишите ваш подход к профилированию новой таблицы в DWH: какие SQL-запросы вы напишете в первую очередь для поиска аномалий?
Проверка опыта работы с инструментами оркестрации.
Был ли у вас опыт отладки упавших DAG в Apache Airflow, связанных с проверками качества данных? Как вы локализовали проблему?
Оценка навыков коммуникации и решения проблем.
Расскажите о случае, когда вы обнаружили расхождение данных между источником и DWH. Как вы выстраивали взаимодействие с командой источника для исправления ошибки?
Проверка понимания архитектуры данных.
В чем, по вашему мнению, заключается основная сложность обеспечения качества данных при переходе от ETL к ELT процессам?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
