- Страна
- Россия
Аналитик данных (Middle/Senior)
Оценка ИИИнтересный стек технологий и работа в крупном промышленном секторе обеспечивают стабильность и профессиональный рост. Использование LLM в аналитике добавляет вакансии современности и привлекательности для опытных специалистов.
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 ИИПозиция требует уверенного владения широким стеком СУБД (ClickHouse, Greenplum, Exasol) и навыков работы с LLM. Уровень Senior предполагает не только техническое совершенство, но и глубокое понимание бизнес-процессов промышленного холдинга.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для уровней Middle/Senior в российском промышленном секторе и Data Science рыночные вилки обычно начинаются от 200 000 до 400 000 рублей. Предложение соответствует рынку при условии конкурентного оффера.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Аналитик данных (Middle/Senior)
Грейд: Middle/Senior
Стек: SQL, ClickHouse, Greenplum, PostgreSQL, Exasol, Python, pandas, Superset
Аналитик данных в Data Office промышленного холдинга. Задачи включают расчет операционных метрик, развитие витрин данных в ClickHouse, создание дашбордов в Superset/Power BI и использование LLM-инстру…
Откликнуться через Runello-бот ↓
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- ClickHouse
- Greenplum
- PostgreSQL
- Exasol
- Python
- Pandas
- Apache Superset
- Power BI
- LLM
Возможные вопросы на собеседовании
Проверка навыков оптимизации запросов в ClickHouse.
Расскажите об особенностях движков таблиц в ClickHouse (MergeTree) и как вы оптимизируете запросы для работы с большими объемами данных?
Оценка опыта работы с распределенными БД.
В чем ключевые отличия при работе с Greenplum по сравнению с классическим PostgreSQL, и как это влияет на написание SQL-запросов?
Проверка навыков визуализации и работы с BI-инструментами.
Какими принципами вы руководствуетесь при проектировании дашбордов в Superset, чтобы они оставались информативными и производительными для конечных пользователей?
Оценка инновационного подхода.
Как именно вы планируете или уже использовали LLM-инструменты для автоматизации задач аналитика данных?
Проверка навыков обработки данных на Python.
Опишите ваш типичный пайплайн обработки данных в pandas: как вы справляетесь с нехваткой оперативной памяти при работе с очень большими датасетами?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
