- Страна
- Беларусь
Data Engineer
Оценка ИИПозиция в стабильной и известной компании с современным технологическим стеком. E-commerce сфера предоставляет отличные возможности для профессионального роста на реальных больших данных.
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 ИИРоль требует уверенного владения широким стеком технологий (Spark, Airflow, Kafka) и понимания методологий проектирования хранилищ, таких как Data Vault. Работа в крупном e-commerce проекте подразумевает высокие нагрузки и ответственность за качество данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Data Engineer в Беларуси рыночный диапазон достаточно широк. Предложенные оценки соответствуют уровню Middle/Senior специалистов в крупном ритейле.
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
Data Engineer
Стек: DWH, Data Lake, Data Vault, SQL, ETL, Airflow, Kafka, Spark
Онлайн-гипермаркет 21vek.by – один из самых крупных е-commerce проектов в Беларуси. 20 лет мы задаём тренды в интернет-торговле, развиваем культуру онлайн-шоппинга и делаем счастливыми наших клиентов.…
Откликнуться через Runello-бот ↓
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- DWH
- Data Lake
- Data Vault
- SQL
- ETL
- Apache Airflow
- Apache Kafka
- Apache Spark
Возможные вопросы на собеседовании
Проверка понимания архитектурных подходов, заявленных в стеке.
Расскажите о вашем опыте проектирования DWH по методологии Data Vault. В каких случаях вы бы предпочли её классической схеме «звезда»?
Spark является ключевым инструментом для обработки больших данных в вакансии.
Как вы оптимизируете Spark-задания при работе с перекосом данных (data skew)?
Airflow используется для оркестрации ETL-процессов.
Как вы организуете обработку ошибок и повторные запуски (retries) в сложных DAG в Airflow?
Kafka указана в стеке для работы с потоками данных.
Был ли у вас опыт интеграции Kafka с DWH? Как обеспечить гарантию доставки «exactly once»?
SQL — базовый навык для любого инженера данных.
Опишите наиболее сложный SQL-запрос, который вам приходилось оптимизировать для повышения производительности хранилища.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
