- Страна
- Россия
- Зарплата
- 200 000 ₽ – 350 000 ₽
Data QA
Оценка ИИВысокая заработная плата для QA-инженера, полностью удаленный формат работы и работа в стабильном банковском секторе делают вакансию очень привлекательной.
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 специфических знаний в области Data Quality, архитектуры Lakehouse и опыта работы с государственными источниками данных, что сужает круг подходящих кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата (200-350к на руки) находится в верхнем диапазоне рыночных значений для Data QA специалистов в России, где медиана составляет около 230-250к.
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 QA Крупный банк
Зарплата: 200-350 тыс руб на руки (в зависимости от опыта)
Местоположение: РФ
Формат работы: Удаленно
Опубликована: 17.09.2026
Требования:
• Опыт интеграции внешних источников (БКИ, ФНС, ЦБ)
• Практическое знание SQL: написание проверочных запросов, анализ трансформаций, выявление расхождений
• Понимание архитектуры Lakehouse (S3, Iceberg) и слоёв хранения (RAW/ODS/DDS)
• Базовое чтение кода на Python (для анализа скриптов обработки данных)
Контакт: Откликнуться
Откликнуться опубликована в @qa_jobs
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Python
- S3
- Iceberg
- Lakehouse
- ETL Testing
- Data Quality
Возможные вопросы на собеседовании
Проверка понимания специфики работы с внешними API и форматами данных государственных структур.
Расскажите о вашем опыте интеграции с БКИ или ФНС: с какими основными проблемами качества данных вы сталкивались?
Оценка технических навыков работы с современными форматами хранения данных.
В чем заключаются особенности тестирования данных в таблицах формата Iceberg по сравнению с классическими реляционными БД?
Проверка навыков написания сложных аналитических запросов для сверки данных.
Как бы вы организовали автоматизированную сверку данных между слоями RAW и DDS при условии больших объемов данных?
Оценка способности разбираться в чужом коде для поиска логических ошибок.
Приведите пример, когда анализ Python-скрипта помог вам обнаружить ошибку в логике трансформации данных, которую не выявили обычные SQL-тесты.
Проверка понимания жизненного цикла данных в аналитических хранилищах.
Какие проверки качества данных (Data Quality checks) являются критическими для слоя ODS в архитектуре Lakehouse?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
