- Страна
- Россия
Откликайтесь
на вакансии с ИИ

Аналитик данных (SQL, Big Data)
Сбер — это отличная строчка в резюме, работа с передовым стеком технологий и огромными объемами данных. Однако отсутствие указанной зарплаты и информации о формате работы (кроме тега office) может быть минусом для некоторых кандидатов.
Сложность вакансии
Роль требует уверенного владения инструментами Big Data (Spark, Hadoop) и SQL на продвинутом уровне. Работа в Сбере подразумевает высокие стандарты качества кода и понимание сложных банковских процессов.
Анализ зарплаты
В Сбере зарплаты для аналитиков данных обычно соответствуют рыночным или чуть выше, учитывая бонусы. Для уровня Middle/Senior в Москве вилка составляет 200-350 тысяч рублей.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Сбер Банк уже сейчас
Присоединяйтесь к команде Сбера и работайте с крупнейшими массивами данных в стране — откликайтесь прямо сейчас!
Описание вакансии
Аналитик данных (SQL, Big Data)
Стек: SQL, Apache Spark, PySpark, Hadoop, Greenplum, Python, Jira, Confluence
Сбер Банк — крупнейший российский финансовый конгломерат, предоставляющий широкий спектр банковских услуг для частных лиц, малого бизнеса и корпоративных клиентов.
Откликнуться через Откликнуться ↓
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- SQL
- PySpark
- Apache Spark
- Hadoop
- Confluence
- Jira
- Greenplum
Возможные вопросы на собеседовании
Проверка навыков оптимизации запросов в распределенных системах.
Расскажите о методах оптимизации SQL-запросов в Greenplum или Hive. Как вы боретесь с перекосом данных (data skew)?
Оценка практического опыта работы с основным инструментом стека.
В каких случаях вы предпочтете использовать PySpark вместо обычного Python (Pandas), и как работает ленивое вычисление (lazy evaluation) в Spark?
Проверка понимания архитектуры хранения данных.
Опишите основные компоненты экосистемы Hadoop и их взаимодействие при выполнении аналитического запроса.
Оценка навыков работы с данными в контексте бизнес-задач.
Как вы обеспечиваете качество данных (Data Quality) при проектировании ETL-процессов?
Проверка умения работать в команде и использовать инструменты управления.