- Страна
- Россия
Data Analyst (Middle)
Оценка ИИСтабильная работа в банковском секторе с возможностью удаленки по РФ. Использование современного стека (Greenplum, Airflow, Data Vault 2.0) делает позицию привлекательной для профессионального роста.
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 ИИВакансия требует глубоких знаний специфической методологии Data Vault 2.0 и опыта работы в банковском секторе. Также необходимы продвинутые навыки SQL для работы с MPP-системами (Greenplum) и понимание процессов ETL в Airflow.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для Middle Data Analyst в банковском секторе РФ с навыками Greenplum и Data Vault рыночные предложения обычно находятся в диапазоне 180 000 – 280 000 рублей после вычета налогов. Данная роль требует узкой специализации, что может позволить претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data Analyst (Middle) в банк — удаленно, РФ
Формат: удаленно, проект длительный
Оформление частичное в банк, 1 раз приехать в офис
СБ и доступы: ~2 недели
Задачи:
— Анализ и обработка больших объемов данных в DWH
— SQL-запросы в Greenplum, оптимизация
— Исследование источников данных, поиск дубликатов и проблем качества
— Развитие моделей данных на основе Data Vault 2.0
— Маппинги: источник → DWH → витрина
— Сверки данных, проверка корректности загрузок
— Автоматизация процессов в Apache Airflow
— Работа с бизнес-заказчиками, разработчиками, архитекторами, BI
Требования:
— Опыт в Data Analytics / DWH от 2 до 4 лет
— Уверенный SQL: JOIN, CTE, оконные функции, сложные SELECT
— Greenplum или другая MPP-СУБД
— Понимание корпоративного хранилища данных
— Data Vault 2.0: Hub, Link, Satellite, Raw/Business Vault, hash key/diff, дедупликация
— Apache Airflow: DAG, task, dependency, retries, логирование
— Большие объемы данных и оптимизация запросов
— Банковская предметная область: главная книга, счета, проводки, дебет/кредит, обороты, остатки, сделки, договоры
— Самостоятельность в исследовании данных и решении задач
Будет плюсом:
— Банковские АБС, в т.ч. ЦФТ
— Главная книга и сделочная модель на практике
— Построение банковских витрин и отчетности
— PowerDesigner или другие CASE-средства
— Kimball / 3NF
— BI-системы
— Python (базовый/средний)
— Git
— Metadata-driven подход к DWH
ТГ: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Greenplum
- Data Vault 2.0
- Apache Airflow
- DWH
- ETL
- Data Quality
- Python
- Git
- PowerDesigner
- Kimball
- 3NF
- BI
Возможные вопросы на собеседовании
Проверка понимания архитектуры, заявленной в требованиях.
Расскажите о вашем опыте проектирования сущностей Hub, Link и Satellite в рамках Data Vault 2.0. Как вы подходите к генерации Hash Keys?
Важно для работы с большими данными в Greenplum.
Какие методы оптимизации SQL-запросов в Greenplum вы использовали? Как вы боретесь с перекосом данных (data skew)?
Проверка навыков автоматизации.
Опишите типичный DAG в Airflow, который вы создавали для DWH. Как вы обрабатываете ошибки и повторные запуски (retries)?
Проверка отраслевой экспертизы.
Как бы вы спроектировали витрину данных для анализа остатков на счетах, учитывая специфику банковских проводок и главной книги?
Проверка навыков обеспечения качества данных.
Каков ваш алгоритм поиска дубликатов и расхождения данных при сверке между источником и DWH?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
