- Страна
- Армения
- Зарплата
- 350 000 ₽ – 400 000 ₽
Откликайтесь
на вакансии с ИИ

Senior Data Analyst (DWH Банк)
Интересный проект по созданию DWH с нуля в банковской сфере с конкурентной зарплатой. Однако, жесткая привязка к локации (Ереван) и гибридный формат могут подойти не всем кандидатам.
Сложность вакансии
Высокая сложность обусловлена требованием 6+ лет опыта именно в банковском секторе и глубоких знаний архитектуры DWH. Также необходим опыт работы с поведенческими паттернами клиентов и готовность к гибридному формату в Ереване.
Анализ зарплаты
Предложенная зарплата 350 000 – 400 000 руб. gross соответствует верхней границе рыночных предложений для Senior Data Analyst в СНГ, особенно с учетом релокации в Армению. На международном рынке для таких ролей медиана может быть выше, но для локального банковского сектора это очень сильное предложение.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в ITQuick уже сейчас
Если вы готовы строить современное банковское хранилище данных в Ереване, откликнитесь на вакансию прямо сейчас!
Описание вакансии
#вакансия #Senior #fulltime #English #гибрид #Ереван #банк #DataAnalyst #Data #Analyst #DWH
Вакансия: Senior Data Analyst (DWH Банк)
Компания: ITQuick
Тип работы: Гибрид
Локация: Ереван
Заработная плата: 350 - 400 тр гросс
*✅Приглашаем к сотрудничеству Senior Data Analyst / Data аналитика в Ереване с опытом в банковских DWH.*
*💼*Проект - создание корпоративного DWH в Банке для унификации, качества и скорости доступа к данным, поддержки отчетности и продвинутой аналитики.
*👨🏻💻*Чем предстоит заниматься:
•Сбор и формализация бизнес-требований, перевод в технические спецификации (mappings, правила трансформаций).
•Проектирование модели данных: слой интеграции, витрины, слои.
•Анализ источников, профилирование, оценка качества данных, разработка правил DQ.
•Участие в проектировании ETL/ELT, оптимизация производительности запросов и загрузок.
•Ведение и актуализация документации.
•Сопровождение команд разработки и тестирования, участие в приемке.
•Взаимодействие со стейкхолдерами: архитекторы, BA, DE, владельцы доменов данных.
*🦸*От кандидата ожидаем:
•6+ лет в роли Data Analyst на масштабных проектах в банке.
•Опыт с анализа транзакций клиентов для выводов о поведенческом паттерне в маркетинговых целях.
•Глубокое понимание DWH Банка: архитектура, слои, модели, витрины, SLA/SLI.
•Моделирование данных.
•Продвинутый SQL: window-функции, CTE, аналитические функции, тюнинг, работа с большими объемами.
•Понимание ETL/ELT-паттернов, опыт интеграции из разнородных источников.
•Инструменты BI: подготовка аналитических датасетов и витрин.
•Data Quality, Metadata, Data Lineage — практики и инструменты.
•Английский — чтение документации и деловая переписка.
*🎯*Будет плюсом:
•Python для аналитических пайплайнов и data profiling.
•Реальный практический опыт с архитектурой data lakehouse: Databricks, Snowflake, Delta Lake, Apache Iceberg (хотя бы одно из перечисленных).
•Инцидент-менеджмент и оптимизация стоимости вычислений/хранения.
*🟢*Условия:
*🇦🇲*Локация - Ереван‼️**
*🏦Формат работы - гибрид*
*💸*Ставку обсуждаем индивидуально
*📑*Взаимодействие по ИП
*📲*Контакт для связи: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- SQL
- DWH
- ETL
- ELT
- Data Modeling
- Data Quality
- Metadata
- Data Lineage
- Python
- Databricks
- Snowflake
- Delta Lake
- Apache Iceberg
Возможные вопросы на собеседовании
Проверка понимания специфики банковских данных и архитектуры хранилищ.
Опишите типичную архитектуру банковского DWH: какие слои вы бы выделили и за что отвечает каждый из них?
Оценка навыков проектирования и работы с требованиями.
Как вы подходите к процессу маппинга данных из сырых источников в целевые витрины при условии низкого качества исходных данных?
Проверка продвинутого владения SQL.
Расскажите о самом сложном случае оптимизации SQL-запроса в вашей практике. Какие инструменты профилирования вы использовали?
Оценка опыта в маркетинговой аналитике, указанного в требованиях.
Какие ключевые метрики и алгоритмы вы использовали для анализа транзакционного поведения клиентов в маркетинговых целях?
Проверка знаний современных подходов к хранению данных.
В чем, по вашему мнению, основные преимущества и риски перехода от классического DWH к архитектуре Data Lakehouse в контексте банка?
Похожие вакансии
Аналитик DWH
Главный инженер Контроль качества данных (Senior)
Senior Data Analyst
Senior Data Analyst (DWH)
Аналитик данных (Senior)
DWH аналитик (Senior)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!