- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Руководитель разработки DWH / Team Lead Data Engineering
Оценка ИИОтличная вакансия для опытного лида: предлагается влияние на стратегию, работа с современным стеком технологий и расширенный соцпакет (ДМС, обучение). Локация в центре Москвы и амбициозные задачи делают предложение очень привлекательным.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью совмещать глубокую техническую экспертизу в современном стеке (Airflow, DBT, ClickHouse) с управленческими навыками и опытом стратегического проектирования архитектуры данных.
Анализ зарплаты
Оценка ИИЗарплата не указана, но для позиции Team Lead Data Engineering в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей после налогов. Предложение 'конкурентного дохода' обычно подразумевает соответствие этим цифрам в зависимости от глубины экспертизы кандидата.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Если вы готовы возглавить разработку архитектуры данных и управлять командой профессионалов, откликайтесь прямо сейчас!
Описание вакансии
**Руководитель разработки DWH / Team Lead Data Engineering
Обязанности:**Стратегическое развитие архитектуры данных: проектирование и развитие хранилищ (DWH, Data Lake, Data Mesh), выбор технологического стека для ETL/ELT-процессов.
Руководство командой инженеров данных (найм, онбординг, наставничество, проведение 1-to-1, развитие сотрудников).
Участие в разработке и код-ревью ETL/ELT-процессов, обеспечение качества и доступности данных.
Планирование и приоритизация задач, контроль сроков и качества выполнения.
Внедрение best practices по CI/CD, тестированию, документированию и мониторингу потоков данных.
Организация взаимодействия с бизнес-командами и аналитиками для бесперебойного доступа к данным.
Решение сложных технических инцидентов, обеспечение SLA пайплайнов.
Организация безопасности данных, отказоустойчивости и систем оповещения. Требования:Опыт работы от 5 лет в роли Team Lead / Tech Lead в области Data Engineering.
Опыт построения и эксплуатации хранилищ данных (DWH / Data Lake).
Глубокое знание Python и SQL (разные диалекты), понимание ООП и принципов чистого кода.
Опыт работы с реляционными (PostgreSQL, Oracle, SQL Server) и колоночными (ClickHouse) СУБД.
Понимание методологий моделирования данных (Kimball, Inmon, Data Vault).
Экспертный уровень владения NiFi, Kafka, Airflow, DBT.
Опыт работы с Docker и Kubernetes.
Будет плюсом: опыт построения команды Data Engineering с нуля, понимание MLOps и поддержка ML-пайплайнов. Условия:Конкурентный уровень дохода (обсуждаемо, зависит от опыта).
Официальное трудоустройство, ДМС, оплата профессионального обучения и конференций.
Работа в амбициозной команде профессионалов, влияние на технологическую стратегию компании.
Современный офис в центре Москвы.
Отклики: тг Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- dbt
- Kubernetes
- CI/CD
- PostgreSQL
- MLOps
- Docker
- ETL
- Apache Airflow
- Apache Kafka
- SQL Server
- Oracle
- Apache NiFi
- ELT
- ClickHouse
- Data Vault
Возможные вопросы на собеседовании
Проверка архитектурного мышления и понимания современных подходов к организации данных.
В каких случаях вы бы предпочли архитектуру Data Mesh классическому централизованному DWH?
Оценка опыта работы с ключевым инструментом стека и понимания производительности.
Какие основные проблемы производительности вы встречали при использовании ClickHouse и как их решали?
Проверка навыков управления командой и разрешения конфликтов.
Как вы подходите к приоритизации задач, когда требования бизнес-аналитиков конфликтуют с необходимостью технического рефакторинга ETL-процессов?
Оценка технической глубины в области моделирования.
Расскажите о вашем опыте внедрения Data Vault: какие преимущества и сложности вы выделили для конкретного проекта?
Проверка навыков обеспечения надежности систем.
