- Страна
- Россия
- Зарплата
- 209 000 ₽ – 258 000 ₽
Аналитик качества данных ( Middle+ )
Оценка ИИСтабильная компания, четко описанные задачи и требования, удаленный формат работы. Зарплатная вилка соответствует рыночному уровню для Middle+ специалиста в РФ.
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 SQL (оконные функции, сложные JOIN) и практического опыта работы с DWH от 4 лет. Дополнительную сложность придает необходимость работы с Apache Airflow и понимание процессов Data Governance.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная вилка 209 000 – 258 000 руб. полностью соответствует рыночным ожиданиям для позиции Middle+ Data Quality Analyst в России, где медиана составляет около 230 000 руб. Верхняя граница предложения является конкурентной для специалистов с опытом от 4 лет.
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
#it #вакансия #data #analyst #hunttech
☁️Позиция: Аналитик качества данных ( Middle+ )
🏙Компания: «HuntTech»
💪Опыт: от 4 лет
💰ЗП: Вилка: 209 - 258тр
📅Формат работы: Удаленка
📍Локация/Гражданство: РФ
📅Занятость: Full-time
☎️Контакт: Откликнуться
📌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.
🔺Требования:
- 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.
➕Будет плюсом:
- 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.
🔥Если все нравится - пиши Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- PostgreSQL
- Oracle
- DWH
- Apache Airflow
- ETL
- ELT
- Data Quality
- Data Governance
- Data Profiling
- Python
- FineBI
- Informatica ETL
Возможные вопросы на собеседовании
Проверка глубины знаний SQL, необходимого для профилирования данных.
Расскажите о наиболее сложном SQL-запросе, который вы писали для выявления расхождений в данных. Какие оконные функции вы использовали?
Оценка понимания методологии Data Quality.
Какие основные метрики качества данных (DQ dimensions) вы считаете приоритетными для банковской сферы и почему?
Проверка навыков работы с инструментами оркестрации.
Был ли у вас опыт отладки DQ-проверок в Apache Airflow? Как вы поступите, если DAG упал из-за таймаута при проверке большой таблицы?
Оценка умения работать с инцидентами и коммуницировать с командами.
Опишите ваш алгоритм действий при обнаружении критического расхождения данных между источником и DWH. Как вы будете взаимодействовать с владельцем системы-источника?
Проверка знаний в области ETL и архитектуры данных.
В чем разница между проверками качества на этапе Staging и в финальных витринах данных с точки зрения бизнес-ценности?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
