- Страна
- Грузия
Middle Data Quality Engineer / BA
Стабильная американская компания, возможность удаленной работы из ЕС, Грузии или Сербии. Однако отсутствие указанной зарплаты и узкая ниша могут быть ограничивающими факторами.
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
Позиция требует специфического опыта в сверке данных (reconciliation) и ETL-тестировании, а также уверенного владения SQL. Работа в американской компании предполагает высокий уровень ответственности за качество данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в вакансии не указана. На рынках Сербии и Грузии для Middle Data Quality специалистов с навыками BA медиана составляет около $3000-$4500 после налогов, в то время как в ЕС (в зависимости от страны) она может быть выше.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Middle Data Quality Engineer / BA
Местоположение: Евросоюз, Грузия, Сербия
Формат работы: Удаленно
Опубликована: 23.09.2026
Требования:
• Опыт в области качества данных и сверки (reconciliation)
• Уверенный практический опыт работы с SQL
• Опыт тестирования миграции данных или ETL/ELT-тестирования
• Опыт валидации данных между исходной и целевой системами
О компании:
Нишевая американская страховая компания с более чем 40-летним опытом в кредитном страховании.
Контакт: Откликнуться
Откликнуться в LinkedIn
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- SQL
- Data Quality
- ETL Testing
- Data Migration
- Reconciliation
- Data Validation
- Business Analysis
Возможные вопросы на собеседовании
Проверка основного технического навыка, указанного в требованиях.
Опишите ваш самый сложный SQL-запрос, который вы использовали для валидации данных или поиска расхождений.
Вакансия предполагает работу со сверками, что критично для финтеха и страхования.
С какими типами расхождений (data discrepancies) вы чаще всего сталкивались при сверке данных и как вы их классифицировали?
Тестирование миграции — ключевая часть роли.
Какую стратегию тестирования вы бы выбрали для миграции данных из legacy-системы в современное облачное хранилище?
Роль совмещает DQ и BA, важно понимать бизнес-контекст.
Как вы определяете метрики качества данных (Data Quality Dimensions) для конкретного бизнес-процесса в страховании?
Проверка опыта работы с инструментами обработки данных.
Какие инструменты или подходы вы используете для автоматизации ETL-тестирования, чтобы избежать ручной проверки каждой строки?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

