Откликайтесь
на вакансии с ИИ

Data Engineer (GCP)
Flowwow — известный бренд с прозрачными ценностями и отличным соцпакетом (ДМС, спорт, обучение). Вакансия предлагает работу с современным стеком GCP и возможность удаленного формата, что делает её очень привлекательной.
Сложность вакансии
Позиция требует глубокой экспертизы в специфическом стеке GCP (BigQuery, Composer) и опыта от 3 лет. Высокие требования к оптимизации стоимости и производительности запросов повышают планку сложности.
Анализ зарплаты
Зарплата в вакансии не указана, но для Data Engineer уровня Middle+/Senior с опытом работы в GCP на российском и международном рынках медиана составляет около 350,000 - 450,000 рублей. Предложение Flowwow, вероятно, находится в этом рыночном диапазоне.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Flowwow уже сейчас
Присоединяйтесь к Flowwow и стройте современные пайплайны данных на базе Google Cloud Platform!
Описание вакансии
Data Engineer (GCP)
Мы продолжаем расти на международных рынках и ищем Data Engineer в команду данных. Основной стек — Google Cloud Platform: BigQuery, Cloud Storage, Cloud Composer (Airflow). Если ты умеешь строить надёжные пайплайны и знаешь, как устроены данные изнутри — давай знакомиться.
Обязанности
проектировать и развивать ETL/ELT-пайплайны на базе BigQuery и Cloud Composer;
работать с хранением и организацией данных в GCS;
оптимизировать производительность запросов и стоимость обработки в BigQuery;
участвовать в проектировании моделей данных для аналитики и продуктовых задач;
настраивать мониторинг, алерты и контроль качества данных;
взаимодействовать с аналитиками, продуктовой командой и бэкенд-разработчиками.
Требования
опыт работы в data engineering от 3 лет;
уверенное владение SQL — сложные запросы, оконные функции, оптимизация;
практический опыт с BigQuery: partitioning, clustering, materialized views, стоимостная оптимизация;
опыт работы с Cloud Composer / Apache Airflow: написание DAG'ов, управление зависимостями, обработка ошибок;
знание Python на уровне, достаточном для написания трансформаций и операторов;
понимание принципов проектирования хранилищ данных;
опыт работы с GCS как с data lake-слоем.
Будет плюсом:
владение английским языком на уровне Upper-Intermediate (B2);
опыт с Dataflow, Dataproc или Pub/Sub. Знакомство с dbt;
опыт работы с IaC (Terraform);
понимание CI/CD для data-пайплайнов;
опыт с потоковой обработкой данных.
Условия
полная занятость;
график: 5/2 с 9 до 18.00 или с 10 до 19.00;
удаленно или гибридный формат работы;
уровень дохода обсуждается на этапах найма.
Что приятного мы делаем для сотрудников
предлагаем ДМС со стоматологией и расширенное медицинское обслуживание, а также сервис психологической
поддержки;
заботимся о физическом здоровье — компенсируем расходы на занятия спортом или покупку спортивного оборудования;
компенсируем стоимость техники, которую вы приобретаете для работы;
создаем условия для развития: оплачиваем обучение, конференции и митапы, нужные для работы;
подключаем к корпоративной программе лояльности: персональным скидкам на Flowwow и предложениям от партнеров.
Наши ценности:
Забота и любовь
Наш продукт основан на желании людей радовать друг друга и быть вместе. Пока любовь жива, у Flowwow будут пользователи.
Развитие и рост
Flowwow быстро развивается и с радостью поддерживает инициативы сотрудников.
Культура взаимопомощи
У нас работают люди, вовлеченные в процесс и небезразличные к тому, что они делают.
Открытость к изменениям
Каждый может проявлять инициативу, предлагать и быстро видеть свой вклад в общий успех.
Благотворительность
Одна из целей Flowwow — помогать людям. Нас объединяют социальная ответственность и готовность участвовать в специальных благотворительных мероприятиях.
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- Terraform
- SQL
- dbt
- CI/CD
- Google Cloud Platform
- BigQuery
- ETL
- Apache Airflow
- Google Cloud Pub/Sub
- ELT
- Dataflow
- Google Cloud Storage
- Dataproc
Возможные вопросы на собеседовании
Вакансия сфокусирована на BigQuery, где стоимость запросов критична.
Расскажите о вашем опыте оптимизации стоимости и производительности в BigQuery. Какие техники (partitioning, clustering) вы использовали?
Cloud Composer является ключевым инструментом в стеке компании.
Как вы организуете обработку ошибок и повторные запуски (retries) в сложных DAG в Airflow?
В требованиях указано проектирование хранилищ.
Какие подходы к моделированию данных (например, Kimball, Data Vault или OBT) вы предпочитаете использовать для аналитических витрин и почему?
Упоминается работа с GCS как с Data Lake.
Как вы организуете структуру папок и форматов файлов в GCS для обеспечения эффективного доступа и безопасности данных?
Для Data Engineer важно понимать жизненный цикл разработки.
Был ли у вас опыт работы с dbt или Terraform для управления инфраструктурой данных? Как это влияло на процесс разработки?
Похожие вакансии
Junior Разработчик ML
Data Scientist
Middle Data Science (Проект Альфа)
Senior ML разработчик (Медицина)
MLOps Engineer (Senior)
Data Scientist (AutoML)
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!