Data Engineer / Разработчик ETL и хранилищ данных (DWH, BI)
Оценка ИИИнтересный стек технологий и работа над серьезным аналитическим проектом в сфере ВЭД. Однако отсутствие информации о компании и уровне компенсации в тексте не позволяет поставить высший балл.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует уверенного владения стеком для работы с Big Data (Greenplum, Airflow) и понимания специфики DWH. Сложность добавляет работа в закрытом контуре заказчика, что накладывает ограничения на инструменты и процессы разработки.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ объявлении не указана заработная плата. Для позиции Data Engineer со знанием Greenplum и Airflow рыночные предложения в России обычно начинаются от 200 000 рублей для специалистов уровня Middle и могут превышать 350 000 рублей для Senior-разработчиков.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data Engineer / Разработчик ETL и хранилищ данных (DWH, BI)
Стек: Python, SQL, Apache Airflow, PostgreSQL, Greenplum, Greengage, Apache Superset, ETL
Разработка аналитических систем, интеграция и обработка данных в сфере внешнеэкономической деятельности (ВЭД). Создание интерактивной аналитической BI-системы в закрытой инфраструктуре заказчика.
Откликнуться через Откликнуться ↓
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Apache Airflow
- PostgreSQL
- Greenplum
- Apache Superset
- ETL
- DWH
- BI
Возможные вопросы на собеседовании
Проверка навыков оркестрации и обработки ошибок в ETL-процессах.
Расскажите о вашем опыте проектирования сложных DAG в Apache Airflow: как вы обрабатываете зависимости и обеспечиваете отказоустойчивость?
Greenplum имеет свои особенности распределения данных. Важно понять, умеет ли кандидат оптимизировать запросы.
Какие стратегии распределения данных (distribution keys) в Greenplum вы используете для оптимизации производительности JOIN-операций?
Проверка архитектурного мышления в контексте построения хранилищ.
Какую архитектуру DWH (например, Kimball или Inmon) вы предпочитаете для BI-систем и почему?
Работа с закрытой инфраструктурой часто ограничивает доступ к внешним библиотекам.
Был ли у вас опыт развертывания и поддержки ETL-решений в изолированных (air-gapped) средах? С какими трудностями вы сталкивались?
Проверка навыков работы с BI-инструментами.
Как вы оптимизируете производительность дашбордов в Apache Superset при работе с большими объемами данных в Greenplum?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
