- Страна
- Россия
- Зарплата
- от 80 000 ₽
QA Engineer, Data Quality
Оценка ИИХорошая вакансия для специалистов по данным с четким фокусом на Data Quality и возможностью удаленной работы, однако уровень оплаты труда находится в нижней части рыночного диапазона для Middle-специалистов.
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 ИИСредний уровень сложности: требуется уверенное владение SQL и Python (pandas), а также опыт работы с DWH, но отсутствие жестких требований к автоматизации UI/API упрощает вход.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата от 80 000 ₽ на руки является стартовой для специалистов с опытом от 2 лет. На рынке РФ медиана для Data Quality Engineer с навыками Python/SQL составляет около 130 000 - 160 000 ₽.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
QA Engineer, Data Quality — Винные аналитические системы
Удалённо. От 80 000 ₽ в месяц на руки
Качество каталога и ценовой аналитики: дубли, ошибочные сопоставления товаров и полнота данных после парсинга.
Требования и условия:
— От 2 лет проверки данных, DWH, data quality или аналитики
— SQL и Python/pandas, работа с production-объёмами
— Самостоятельное построение проверок и метрик, разбор причин ошибок
— PostgreSQL, ClickHouse и Metabase. Great Expectations/dbt/Soda будут плюсом
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Python
- Pandas
- PostgreSQL
- ClickHouse
- Metabase
- Great Expectations
- dbt
- Soda
- Data Quality
- DWH
Возможные вопросы на собеседовании
Проверка навыков работы с данными и понимания бизнес-логики проекта.
Как бы вы организовали поиск дублей в каталоге вин, если названия товаров от разных поставщиков могут незначительно отличаться?
Оценка владения инструментами анализа данных.
Опишите ваш опыт использования pandas для обработки больших объемов данных: с какими проблемами производительности вы сталкивались?
Проверка умения работать с аналитическими БД.
В чем, по-вашему, ключевое различие в подходах к тестированию данных в PostgreSQL и ClickHouse?
Оценка проактивности в создании процессов контроля качества.
Какие метрики качества данных (Data Quality Dimensions) вы считаете наиболее критичными для системы ценовой аналитики?
Проверка знакомства с современным стеком DQ.
Работали ли вы с Great Expectations или dbt? Если да, как эти инструменты помогали автоматизировать проверки?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
