- Страна
- Казахстан
- Зарплата
- 850 000 ₽ – 1 000 000 ₽
Откликайтесь
на вакансии с ИИ

Data Engineer
Высокий балл за работу в структуре Национального Банка, конкурентную заработную плату для региона и работу с современным стеком технологий (Airflow, Trino, LLM/RAG).
Сложность вакансии
Средний уровень сложности: требуются уверенные знания SQL, Python и опыт работы с Airflow, а также понимание архитектуры DWH. Дополнительным плюсом будет знание Trino и инструментов Data Governance.
Анализ зарплаты
Предлагаемая зарплата в 850,000 - 1,000,000 KZT NET находится на уровне выше среднего для рынка Астаны для специалистов уровня Middle Data Engineer. Это привлекательное предложение для государственного сектора, соответствующее топовым финтех-компаниям Казахстана.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в National Bank of Kazakhstan уже сейчас
Присоединяйтесь к команде Центра развития цифровых технологий Национального Банка и создавайте финансовую платформу будущего!
Описание вакансии
Data Engineer
Digital Development Center of National Bank of Kazakhstan
850,000 to 1,000,000 KZT NET per month
Astana / Office
Building a data platform in the financial domain.
Responsibilities:
• Design and develop ETL/ELT pipelines
• Build data marts and optimize SQL
• Setup data access and integrations
• Manage pipelines in Airflow
• Maintain data governance and quality
Requirements:
• Confident in Python and SQL
• Experience with ETL/ELT pipelines
• Understanding of data modeling and DWH
• Experience with relational databases (PostgreSQL)
• Understanding of Git, CI/CD, and Docker
Optional requirements:
• Federated engines (Trino / Presto)
• Data catalogs and data lineage (OpenMetadata / DataHub)
• Basic understanding of LLM/RAG
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Git
- Python
- LLM
- SQL
- CI/CD
- PostgreSQL
- RAG
- Docker
- Airflow
- ETL
- ELT
- Trino
- Presto
- DataHub
- OpenMetadata
Возможные вопросы на собеседовании
Проверка навыков оптимизации производительности в PostgreSQL.
Расскажите о вашем опыте оптимизации сложных SQL-запросов. Какие инструменты и подходы вы использовали для выявления узких мест?
Оценка опыта работы с основным инструментом оркестрации, указанным в вакансии.
Как вы организуете обработку ошибок и повторные попытки (retries) в DAG-файлах Airflow для обеспечения отказоустойчивости пайплайнов?
Проверка понимания архитектурных принципов построения хранилищ данных.
Какие подходы к моделированию данных (например, Kimball или Inmon) вы предпочитаете для создания витрин данных в финансовом секторе и почему?
Оценка навыков работы с современными инструментами федерации данных.
Был ли у вас опыт работы с Trino или Presto? В каких сценариях использование федеративных движков запросов оправдано по сравнению с классическим ETL?
Проверка культуры разработки и автоматизации.