- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Middle/Senior Data Analyst
Оценка ИИИнтересный стек технологий и высокий уровень ответственности делают вакансию привлекательной для опытных аналитиков. Однако отсутствие информации о компании и уровне компенсации не позволяет поставить высший балл.
Сложность вакансии
Оценка ИИРоль требует глубокой технической экспертизы в работе с несколькими типами DWH (Greenplum, ClickHouse, Vertica) и понимания ETL-процессов. Высокий уровень ответственности за перевод бизнес-логики в технические требования повышает порог входа.
Анализ зарплаты
Оценка ИИВ объявлении не указана зарплата, но для позиций Middle/Senior Data Analyst с таким стеком (Greenplum, Airflow) рыночные предложения в России обычно начинаются от 200 000 рублей и могут достигать 350 000+ рублей в зависимости от компании.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликнитесь через Runello-бот, чтобы продемонстрировать свои навыки работы с DWH и SQL в сильной команде!
Описание вакансии
Middle/Senior Data Analyst
Грейд: Middle/Senior
Стек: SQL, DWH, Greenplum, ClickHouse, Vertica, Data Modeling, ETL, Airflow
Ищем Data Analyst уровня Middle / Senior, который умеет самостоятельно работать со сложными данными DWH, глубоко понимает логику их формирования и переводит бизнес-задачи в понятные требования к данны…
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- SQL
- Airflow
- ETL
- Data Modeling
- ClickHouse
- Vertica
- DWH
- Greenplum
Возможные вопросы на собеседовании
Проверка глубины владения основным инструментом и понимания оптимизации запросов.
Расскажите о наиболее сложном SQL-запросе, который вам приходилось оптимизировать. Какие методы (индексы, партиционирование, изменение логики join) вы использовали?
Вакансия предполагает работу с разными СУБД; важно понимать, когда и почему используется конкретная технология.
В каких случаях вы бы предпочли использовать ClickHouse вместо Greenplum или Vertica для аналитических задач?
Проверка навыков проектирования структуры данных.
Опишите ваш подход к моделированию данных в DWH. Каких методологий (Kimball, Inmon, Data Vault) вы придерживаетесь и почему?
Работа с Airflow является частью стека, важно понимать опыт автоматизации.
Как вы организуете мониторинг качества данных в своих DAG в Airflow? Какие проверки (data quality checks) считаете обязательными?
Ключевой навык, указанный в описании — связь бизнеса и данных.
