Data QA
Оценка ИИХорошая заработная плата для РФ, полностью удаленный формат работы и стабильность за счет работы на крупный банк через известного ИТ-партнера. Проект обещает быть масштабным и интересным с точки зрения технологий работы с данными.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИПозиция требует специфических знаний в области Data QA (тестирование ETL, SQL, работа с БД), что сложнее обычного функционального тестирования. Работа в банковском секторе также подразумевает строгие стандарты качества и безопасности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата (200-350к) полностью соответствует рыночным ожиданиям для Middle+/Senior Data QA специалистов в России. Верхняя граница в 350 000 ₽ является конкурентной даже для топовых финтех-компаний.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Data QA
Формат: удалённо (Россия)
Компания: Centicore, проект крупного банка
ЗП: от 200 000 до 350 000 ₽
Полная занятость, оформление по ТК РФ
Больше вакансий в *🤪* Max
Откликнуться: Откликнуться
Проверить резюме на прохождение ИИ фильтров можно тут: updatecv.me
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- ETL Testing
- Data Quality
- QA Automation
- Data Analysis
Возможные вопросы на собеседовании
Data QA должен уметь проверять корректность переноса данных.
Расскажите о вашем опыте тестирования ETL-процессов: какие проверки вы считаете критическими?
SQL — основной инструмент для работы с данными.
Напишите SQL-запрос для поиска дубликатов в таблице по нескольким полям и объясните, как вы будете проверять ссылочную целостность.
Важно понимать, как кандидат справляется с большими объемами.
Как вы организуете тестирование, если объем данных в таблицах исчисляется миллионами строк?
Проверка понимания специфики банковских данных.
С какими типами аномалий в данных вы сталкивались чаще всего и как автоматизировали их поиск?
Оценка навыков автоматизации в контексте данных.
Какие инструменты или библиотеки вы используете для автоматизации проверок качества данных (например, Great Expectations, Pytest)?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
