- Страна
- Россия
- Зарплата
- от 1 800 ₽
Инженер данных Middle+
Оценка ИИСтабильный проект в банковском секторе с понятным стеком технологий. Однако, оценка снижена из-за жесткого требования к гибридному графику и отсутствия указания конкретного названия банка, а также почасовой ставки, которая может быть ниже рыночной для Middle+ уровня при пересчете на фултайм.
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 ИИПозиция требует уверенного владения широким стеком: от классических ETL-инструментов до современных систем оркестрации (Airflow) и распределенных БД (Greenplum). Дополнительную сложность накладывает обязательная проверка службой безопасности банка и гибридный формат работы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная ставка 1800 руб./час (с НДС) при полной занятости составляет около 280 000 - 300 000 руб. в месяц на руки (после вычета налогов для ИП/Самозанятых). Это соответствует среднему рыночному уровню для Middle+ Data Engineer в России, хотя для топовых банковских проектов верхняя граница может достигать 350 000 - 400 000 руб.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Инженер данных Middle+
Описание проекта: Банк.
Продолжительность: от 6 мес.
Локация: Москва; Нижний Новгород; Санкт-Петербург; Воронеж; Казань- Гибрид 2-3 дня в неделю в офисе банка *❗️*
Гражданство: РФ
Готовность заполнить анкету СБ, пройти проверку службы безопасности
Ставка: 1800, с НДС
*‼️*Требования:
● Опыт работы инженером данных от 2 лет;
● Опыт разработки, проверки и отладки собственных алгоритмов и программных компонентов.
СУБД и интеграция данных
● Опыт работы минимум с 2 СУБД: Oracle, PostgreSQL, Greenplum или аналогичными решениями;
● Опыт работы с оркестрацией: обязательное знание Apache Airflow , NiFi, Kafka или аналогичными инструментами;
● Глубокое знание SQL
● Опыт работы как минимум с одним классическим инструментом интеграции данных: ODI, IPC, Pentaho DI, SAS DI, IBM DataStage или аналогом;
-Опыт обработки структурированных форматов данных JSON, XML, YAML.
● Базовые навыки администрирования и работы в средах Linux и MS Windows;
● Базовое понимание теории построения баз данных: реляционные и распределённые БД, реляционная алгебра, принципы взаимодействия систем;
●Работа с Git
Задачи:
Самостоятельное участие в проектировании и развитии выделенного контура ХД. Проектирование слоёв, моделей данных, маппинга и витрин в рамках отдельных подсистем.
Откликнуться на запрос: Откликнуться
По вопросам партнерского сотрудничества: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Apache Airflow
- Apache NiFi
- Apache Kafka
- Oracle
- PostgreSQL
- Greenplum
- Git
- Linux
- JSON
- XML
- YAML
- Pentaho Data Integration
- IBM DataStage
- SAS Data Integration Studio
Возможные вопросы на собеседовании
Проверка понимания архитектурных особенностей распределенных систем, критичных для работы с Greenplum.
В чем заключаются основные различия в оптимизации SQL-запросов между классической Oracle и распределенной СУБД Greenplum?
Оценка навыков работы с ключевым инструментом оркестрации, указанным в вакансии.
Опишите ваш опыт создания сложных DAG в Apache Airflow: как вы обрабатываете зависимости и обеспечиваете отказоустойчивость?
Проверка практического опыта проектирования хранилищ данных (DWH).
Какие подходы к моделированию данных (Kimball, Inmon, Data Vault) вы использовали при проектировании слоев ХД и почему?
Оценка навыков интеграции данных в реальном времени.
Расскажите о кейсах использования Kafka в ваших проектах: как вы обеспечивали гарантию доставки сообщений?
Проверка базовых навыков системного администрирования, необходимых для работы с данными.
С какими типичными проблемами производительности в среде Linux вы сталкивались при работе с высоконагруженными БД и как их решали?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
