- Страна
- Казахстан
- Зарплата
- от 700 000 ₽
Data Engineer
Оценка ИИХорошее предложение для локального рынка Астаны с четким стеком технологий и дополнительными бонусами (обеды, премии). Однако отсутствие удаленки может быть минусом для многих специалистов.
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 ИИСредний уровень сложности: требуется опыт от 2 лет и владение современным стеком (dbt, Airflow, ClickHouse). Работа предполагает только офисный формат в Астане, что сужает круг кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 700 000 тенге (net) является конкурентоспособной для уровня Middle Data Engineer в Казахстане, соответствуя средним рыночным ожиданиям для офисной работы в столице.
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
*📍* Формат/working arrangement: офис, полная занятость
*✔️* Должность/position: Data Engineer
*🏢* Место работы/workplace: ИП Match me
*💸* Заработная плата/salary estimate: 700 000 ₸ в месяц (на руки)
*📈* Обязанности/responsibilities:
- Разработка и поддержка DWH (модели данных, витрины, слои staging, intermediate и marts)
- Построение и оптимизация ETL/ELT-пайплайнов
- Работа с источниками данных (продуктовые БД, внешние API, события, CRM)
- Контроль качества данных, проверка целостности, обработка NULL и дубликатов
- Валидация бизнес-логики
- Оптимизация SQL-запросов и производительности хранилища данных
- Настройка прав доступа в PostgreSQL и ClickHouse
- Взаимодействие с аналитиками и продуктовой командой
- Помощь в формировании метрик и проверке корректности данных
- Документирование моделей данных и бизнес-логики
*📌* Требования/requirements:
- Опыт работы Data Engineer от 2 лет
- Уверенное владение SQL (JOIN, оконные функции, оптимизация)
- Опыт работы с REST API
- Понимание архитектуры DWH и моделирования данных
- Опыт работы с dbt
- Опыт работы с Apache Airflow
- Владение Python для разработки data-пайплайнов и скрапинга данных
- Опыт работы с PostgreSQL (DDL/DML, управление доступом, оптимизация)
- Опыт работы с ClickHouse
- Опыт построения ETL/ELT-процессов
- Опыт работы с большими объемами данных
Будет плюсом:
- Опыт работы с CRM-данными
- Опыт разработки мобильных или PropTech-продуктов
- Опыт оптимизации аналитических хранилищ
Ключевые навыки:
- Data Engineering
- SQL
- Python
- PostgreSQL
- ClickHouse
- dbt
- Apache Airflow
- ETL
- ELT
- DWH
- Data Modeling
- REST API
- Data Pipelines
- Data Quality
- Data Validation
- CRM
*✅* Условия/working conditions:
- Полная занятость
- Официальное трудоустройство
- Формат работы: офис
- График 5/2
- Рабочий день — 8 часов
- График работы с 09:00 до 18:00
- Заработная плата 700 000 ₸ на руки
- Выплата заработной платы два раза в месяц
- Годовая премия
- Премия ко дню рождения
- Обеды за счет компании
- Бонусы за проекты
- Работа только в офисе
*📍* Адрес/work location:
Астана, проспект Туран, 42
*📢**❗️**🚨* Контакты для связи/Contact information: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Python
- PostgreSQL
- ClickHouse
- dbt
- Apache Airflow
- ETL
- ELT
- DWH
- Data Modeling
- REST API
- Data Pipelines
- Data Quality
- CRM
Возможные вопросы на собеседовании
Проверка навыков работы с основным инструментом трансформации данных, указанным в требованиях.
Расскажите о вашем опыте использования dbt: как вы организуете тестирование данных и документацию моделей?
Важно понять, как кандидат справляется с типичными проблемами производительности в аналитических БД.
Какие методы оптимизации запросов в ClickHouse вы применяли на практике для работы с большими объемами данных?
Оценка архитектурного мышления и понимания жизненного цикла данных.
Как вы подходите к проектированию слоев staging и intermediate в DWH при интеграции данных из внешних API?
Проверка навыков оркестрации и обработки ошибок.
Опишите ваш подход к обработке сбоев в DAG-ах Airflow. Как вы обеспечиваете идемпотентность пайплайнов?
Data Quality является одной из ключевых обязанностей в описании.
Какие проверки целостности и качества данных вы считаете обязательными перед загрузкой в слой marts?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
