- Страна
- Армения
Senior Data Analyst в FinTech (Армения)
Оценка ИИИнтересный проект по созданию Golden Record в финтехе с использованием современных AI-подходов. Однако, работа с legacy-системами и жесткая привязка к локации (Армения, гибрид) могут ограничить круг кандидатов.
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 ИИВысокая сложность обусловлена необходимостью реверс-инжиниринга слабо документированных legacy-систем (ArmSoft) и глубоким пониманием банковской специфики. Требуется не только технический стек (SQL, Python), но и сильные коммуникативные навыки для выяснения логики данных у сотрудников.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Senior Data Analyst в банковском секторе Армении при работе через ИП рыночные ожидания обычно находятся в диапазоне 3500–5000 USD после налогов. Проекты по созданию Customer 360 часто оплачиваются по верхней границе рынка из-за высокой ответственности за качество данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*🚀 Senior Data Analyst в FinTech (Армения)*
Банк в Армении строит Customer Intelligence & Personalization Platform для экосистемы бизнесов. В основе Golden Record: единый профиль клиента, объединяющий данные банка, продуктов экосистемы и внешних источников.
Нужен человек, который разберёт слабо документированный core banking источник и превратит его в осознанную модель данных.
Задачи:
- Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику;
- Идти от целевой витрины к источнику: определять, из каких таблиц и по какой логике собирается каждый атрибут;
- Разделять случаи, когда одинаковые по виду данные получены разными путями, и фиксировать правила выбора;
- Описывать модель данных и метаданные: сущности, связи, grain, ключи, историчность;
- Формировать требования к витринам для сегментации, scoring и рекомендаций;
- Писать SQL-исследования и прототипы трансформаций, проверять гипотезы на данных;
- Выяснять смысл данных напрямую у сотрудников банка — это постоянная часть работы.
Требования:
- Сильный SQL: оконные функции, сложные join-цепочки, анализ качества и распределений;
- Опыт реверс-инжиниринга плохо документированных источников;
- Понимание data modelling: сущности, grain, ключи, историчность, master entities;
- Опыт работы с банковскими или fintech-данными (Core banking, особенно ArmSoft / legacy banking systems, Customer 360) или опыт разбора сырых банковских данных о клиентах и продуктах из плохо документированных систем с целью производства маркетинговой и финансовой аналитики;
- Python на уровне исследования данных;
- Git, Linux, опыт работы в закрытых Dev / UAT-контурах;
- AI-native подход: AI-инструменты применяются для разбора legacy, анализа схем, написания SQL и документирования.
Условия:
- Рассматривают граждан РФ и Армении, проживающих на территории Армении;
- Локация: Армения;
- Формат работы: гибрид, готовность работать из офиса банка до 3 раз в неделю;
- Взаимодействие по ИП.
*📎* Как откликнуться?
• Вакансия: Откликнуться
• Рекрутер: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- SQL
- Python
- Data Modelling
- Git
- Linux
- Reverse Engineering
- Core Banking
- Customer 360
- ArmSoft
Возможные вопросы на собеседовании
Проверка опыта работы с плохо структурированными данными и методологии восстановления логики.
Расскажите о вашем самом сложном кейсе реверс-инжиниринга legacy-источника: с какими трудностями столкнулись и как восстановили семантику?
Важно понять, как кандидат проектирует витрины для бизнес-задач.
Как вы определяете оптимальный grain и тип историчности (SCD) при проектировании профиля клиента 360?
Проверка специфических знаний банковских систем, упомянутых в вакансии.
Есть ли у вас опыт работы с системой ArmSoft или аналогичными банковскими ядрами? Какие специфические особенности данных там встречаются?
Вакансия предполагает использование ИИ в работе.
Как именно вы используете AI-инструменты для анализа схем данных и написания SQL-запросов? Приведите примеры повышения эффективности.
Проверка навыков обеспечения качества данных в сложных цепочках трансформации.
Как вы организуете проверку качества данных (DQ) при переходе от сырого источника к целевой витрине для скоринга?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
