- Страна
- Россия
Откликайтесь
на вакансии с ИИ

Data Engineer
Ozon — это сильный бренд с отличной инженерной культурой и интересными задачами на больших данных. Гибридный формат работы добавляет привлекательности, хотя отсутствие указанной зарплаты в тексте немного снижает прозрачность.
Сложность вакансии
Позиция ориентирована на специалистов, уверенно владеющих Python и SQL. Основная сложность заключается в работе с масштабами данных Ozon, однако требования к стеку технологий достаточно стандартные для данной роли.
Анализ зарплаты
Зарплаты для Data Engineer в Москве в крупных тех-компаниях обычно начинаются от 150 000 для начинающих и могут превышать 350 000 для опытных специалистов. Данная вакансия соответствует рыночным ожиданиям для компаний уровня Tier-1.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Ozon уже сейчас
Присоединяйтесь к команде Ozon Tech и стройте надежные системы обработки данных для одного из крупнейших маркетплейсов!
Описание вакансии
Data Engineer
#гибрид
Компания: OZON
🔹Тебе предстоит:
— Автоматизировать процессы извлечения, преобразования и загрузки данных из различных источников
— Разрабатывать надежные хранилища данных;
— Обеспечивать стабильную работу систем, а также обработку больших объемов данных;
— Очищать данные, обеспечивать их актуальность.
🔹Мы ожидаем:
— Хорошее владение Python;
— Уверенные навыки написания и оптимизации SQL запросов.
Контакты:Откликнуться
🔥 Подписаться на наши каналы / @best_itjob / @it_rab
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- SQL
- ETL
- Big Data
- Data Warehousing
Возможные вопросы на собеседовании
Проверка навыков оптимизации производительности в высоконагруженных системах.
Расскажите о вашем опыте оптимизации медленных SQL-запросов. Какие инструменты и подходы вы использовали?
Оценка умения проектировать масштабируемые решения.
Как бы вы спроектировали ETL-процесс для обработки терабайтов данных ежедневно, обеспечивая при этом отказоустойчивость?
Проверка владения Python в контексте обработки данных.
Какие библиотеки Python вы предпочитаете использовать для обработки данных и почему? В чем разница между Pandas и PySpark в контексте больших данных?
Оценка понимания архитектуры хранилищ.
Какие подходы к моделированию данных (например, Kimball или Inmon) вы применяли на практике и в каких случаях?
Проверка навыков обеспечения качества данных.
Как вы организуете процесс очистки и валидации данных перед их загрузкой в хранилище?
Похожие вакансии
Data аналитик (Senior)
Data аналитик (Middle)
Аналитик данных (финтех)
Data инженер (Middle)
Data Analyst
SENIOR АНАЛИТИК (КХД / DWH)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!
- Страна
- Россия