- Страна
- Россия
- Зарплата
- 180 000 ₽ – 220 000 ₽
Откликайтесь
на вакансии с ИИ
Middle+ Data Engineer/Data Analyst
Оценка ИИХорошее предложение для специалистов в Санкт-Петербурге с официальным оформлением и ДМС. Зарплата соответствует рынку для уровня Middle+, а стек технологий (ClickHouse, DataLens) актуален и востребован.
Сложность вакансии
Оценка ИИПозиция требует уверенного владения SQL и опыта работы с ClickHouse/DataLens. Основная сложность заключается в совмещении ролей инженера и аналитика данных, что предполагает как техническую работу с хранилищами, так и понимание бизнес-метрик.
Анализ зарплаты
Оценка ИИПредложенная зарплата (180-220к на руки) находится в пределах рыночного диапазона для Middle+ специалистов в Санкт-Петербурге, хотя верхняя граница рынка для чистых Data Engineers может быть выше. Для гибридной роли аналитика-инженера это конкурентоспособное предложение.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в SmartShell уже сейчас
Присоединяйтесь к команде SmartShell и создавайте современную аналитическую инфраструктуру для управления компьютерными клубами!
Описание вакансии
Middle+ Data Engineer/Data Analyst в SmartShell
*💰*180 000 ₽ – 220 000 ₽ на руки
*📌*Условия и бонусы:
Фултайм, офис (СПб), оформление по ТК РФ, ДМС.
*📌*Наши ожидания:
– уверенное владение SQL: сложные выборки, JOIN’ы, агрегации, оконные функции, работа с несколькими источниками данных, подготовка витрин и датасетов для BI;
– опыт работы с Yandex DataLens, ClickHouse или другими аналитическими хранилищами;
– самостоятельность, системность, внимательность к деталям и сильное аналитическое мышление.
Подробнее о вакансии Откликнуться.
*✍🏼*Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Data Analysis
- SQL
- Data Engineering
- ClickHouse
- BI
- Yandex DataLens
Возможные вопросы на собеседовании
Вакансия предполагает работу с витринами данных для BI. Важно понимать, как кандидат структурирует данные для удобства визуализации.
Расскажите о вашем опыте проектирования витрин данных в ClickHouse. Какие движки таблиц вы использовали и почему?
SQL является ключевым навыком. Вопрос проверяет знание продвинутых функций для аналитики.
В каких случаях вы предпочтете использовать оконные функции вместо обычных агрегаций с GROUP BY? Приведите пример из практики.
DataLens — основной инструмент визуализации в компании. Важно знать уровень владения инструментом.
С какими ограничениями Yandex DataLens вы сталкивались и как их обходили при создании сложных дашбордов?
Роль включает элементы Data Engineering. Проверка навыков обеспечения качества данных.
Как вы организуете процесс проверки качества данных (Data Quality) при переносе их из источников в аналитическое хранилище?
Проверка аналитического мышления и самостоятельности.
