- Страна
- Россия
Аналитик данных (Профиль)
Оценка ИИСбер — это отличная площадка для профессионального роста с доступом к уникальным объемам данных. Вакансия привлекательна из-за сильного технического стека и стабильности крупного работодателя.
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 ИИСредний уровень сложности обусловлен необходимостью владения широким стеком технологий (SQL, Python) и пониманием архитектуры различных СУБД. Работа в крупном банке подразумевает высокие стандарты качества кода и работы с данными.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ объявлении не указана заработная плата, однако для аналитиков данных с таким широким стеком (SQL, Python, DWH) в Москве рыночные предложения обычно начинаются от 150 000 рублей для уровня Middle. Верхняя граница может существенно превышать 250 000 рублей в зависимости от грейда.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Аналитик данных (Профиль)
Стек: SQL, Python, Oracle, Teradata, MS SQL, GreenPlum, PostgreSQL, DWH
Сбер Банк — крупнейший российский финансовый конгломерат, предоставляющий широкий спектр банковских услуг для частных лиц, малого бизнеса и корпоративных клиентов.
Откликнуться через Откликнуться ↓
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Python
- Oracle
- Teradata
- Microsoft SQL Server
- Greenplum
- PostgreSQL
- DWH
Возможные вопросы на собеседовании
Проверка глубины знаний SQL, критически важных для работы с DWH.
В чем разница между оконными функциями и агрегатными функциями с GROUP BY? Приведите примеры использования.
Оценка опыта работы с большими данными и понимания специфики GreenPlum.
Какие особенности распределения данных (distribution keys) в GreenPlum нужно учитывать для оптимизации запросов?
Проверка навыков автоматизации и анализа на Python.
Какие библиотеки Python вы чаще всего используете для очистки и предварительной обработки данных? Чем pandas отличается от polars?
Оценка понимания архитектуры хранилищ данных.
Опишите ваш опыт проектирования ETL-процессов. С какими сложностями вы сталкивались при загрузке данных из Oracle в GreenPlum?
Проверка аналитического мышления в контексте финтеха.
Как бы вы подошли к задаче поиска аномалий в транзакционных данных клиентов банка?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
