- Страна
- Россия
- Зарплата
- 280 000 ₽ – 340 000 ₽
QA Engineer (Data / DWH/ Python)
Оценка ИИПривлекательная вакансия с конкурентной зарплатой, полным удаленным форматом и расширенным соцпакетом (ДМС, фитнес). Наличие IT-аккредитации и возможность перехода в штат банка добавляют стабильности.
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 глубоких знаний в специфической области DWH и ETL, а также экспертного уровня владения SQL и навыков автоматизации на Python. Дополнительную сложность придает банковская специфика с расчетами трансфертных ставок.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата 280–340к руб. на руки соответствует верхнему диапазону рыночных значений для Senior Data QA в России. Это очень достойное предложение для специалистов с опытом от 3 лет.
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
#вакансия #удаленка #QA #DataQA #Python #SQL #DWH #ETL #РФ
Вакансия: QA Engineer (Data / DWH/ Python) 🔤🔤🔤🔤🔤🔤
Компания: Selecty (КА)
Формат: удалённо РФ 📍
Занятость: полная
ЗП 💳: 280–340к руб. на руки по ТК
Команда крупного банка ищет QA Engineer (Data / DWH) для тестирования витрин данных, проверки корректности расчетов и автоматизации контроля качества данных. Предстоит работать с DWH, ETL-процессами, сложными SQL-запросами и автоматизировать проверки с помощью Python.
➕Требования:
**Опыт тестирования от 3 лет
Опыт тестирования DWH / Data Warehouse / Data Mart‼️
Опыт автоматизации тестирования данных на Python Экспертное владение SQL: сложные запросы, JOIN, CTE, оконные функции, агрегации, оптимизация**
Опыт работы с PostgreSQL, Oracle или GreenPlum
Понимание процессов ETL/ELT и принципов построения хранилищ данных
Опыт работы с Git и понимание принципов CI/CD
Опыт работы в банковской сфере или финансовых проектах
Аналитический склад ума и внимательность к деталям
⚙️ Инструменты:
SQL, PostgreSQL, Oracle, GreenPlum, Python, pandas, NumPy, psycopg2, cx_Oracle, pytest, Git, ETL, ELT, DWH, CI/CD
\️⃣Будет плюсом:*
Знание предметной области Казначейства
Понимание трансфертного ценообразования (FTP), фондирования и ликвидности
Опыт тестирования финансовых расчётов
📊 Обязанности
Разработка и актуализация тестовой документации
Ручное и автоматизированное тестирование объектов базы данных и витрин данных
Проверка корректности расчётов трансфертных ставок и компенсаций
Разработка и поддержка Python-скриптов для автоматизации проверки качества данных
Анализ расхождений, поиск причин возникновения ошибок и документирование дефектов
Проверка ETL-процессов и целостности данных
Написание сложных SQL-запросов для анализа, подготовки тестовых данных и проверки результатов
Взаимодействие с аналитиками, ETL-разработчиками и смежными командами
🥇Условия:
Полностью удалённая работа по РФ
Техника предоставляется
ДМС со стоматологией
Компенсация фитнеса
Скидки на обучение, кино, Skyeng
Индексация ЗП
IT-аккредитация
Возможен переход в штат банка примерно через 1 год
Резюме присылать 🔣Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- DWH
- ETL
- PostgreSQL
- Oracle
- Greenplum
- Pandas
- NumPy
- psycopg2
- cx_Oracle
- PyTest
- Git
- CI/CD
- Data Warehouse
- Data Mart
- ELT
Возможные вопросы на собеседовании
Проверка экспертного владения SQL, необходимого для работы с витринами данных.
Расскажите о наиболее сложных SQL-запросах, которые вы писали для тестирования DWH. Использовали ли вы рекурсивные CTE или сложные оконные функции?
Важно понять, как кандидат автоматизирует рутинные проверки данных.
Как вы организуете автоматизированное тестирование качества данных (Data Quality) с помощью Python и pytest? Какие библиотеки используете для сравнения больших наборов данных?
Проверка понимания архитектуры данных.
С какими типичными проблемами в ETL-процессах вы сталкивались и как вы проверяете целостность данных при миграции из staging в target слои?
Оценка опыта работы с конкретными СУБД, указанными в вакансии.
Есть ли у вас опыт оптимизации запросов в GreenPlum или PostgreSQL? На что вы обращаете внимание при анализе плана выполнения (EXPLAIN)?
Проверка готовности к работе с финансовыми показателями.
Знакомы ли вы с понятием трансфертного ценообразования (FTP)? Как бы вы подошли к тестированию корректности расчета процентных ставок?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
