Senior Data Engineer
Оценка ИИИсключительная вакансия для Senior-специалиста: работа в топовом крипто-проекте (Phantom), современный стек (Snowflake, dbt, Sigma) и возможность напрямую влиять на архитектуру. Высокая автономность и работа с большими данными делают роль очень привлекательной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью работать в очень маленькой команде (всего 2 человека), управляя при этом огромными объемами данных (100+ ТБ) и обеспечивая десятикратный рост. Требуется экспертное владение Snowflake и dbt, а также опыт в криптосфере.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Senior Data Engineer в международном крипто-стартапе уровня Phantom рыночная зарплата обычно выше средней по рынку РФ и Европы, часто включая опционы. Указанный диапазон отражает глобальные ставки для опытных инженеров в Tier-1 компаниях.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Phantom
Senior Data Engineer
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Architecture & Scale: Design and implement robust data architecture capable of handling 100s of TBs with 10x growth trajectory while maintaining performance and reliability
-Data Quality Leadership: Drive data quality initiatives across the organization, implementing observability and monitoring solutions to ensure data accuracy, freshness, and reliability
-Data Modeling Excellence: Lead sophisticated data modeling efforts to support exponential business growth, ensuring scalability and performance
-Experimentation Infrastructure: Build and scale A/B testing frameworks to enable data-driven decision making across the organization
-Cross-functional Partnership: Collaborate with stakeholders to translate complex business requirements into scalable data solutions
-Technical Leadership: Mentor teams on data best practices and drive adoption of data-driven methodologies
*☑️* Наши пожелания к кандидатам
-5+ years of extensive experience building and scaling data infrastructure in high-growth environments
-Proven experience in startup environments with track record of wearing multiple hats and driving initiatives independently
-Deep expertise in modern data stack tools, particularly Snowflake and dbt
-Strong background in data modeling, schema design, and data architecture at scale
-Demonstrated experience implementing data quality frameworks and observability solutions
-Experience building and scaling experimentation (A/B testing) infrastructure
-Expert-level SQL skills and proficiency in Python
-Track record of successfully managing data infrastructure during periods of explosive growth
Будет плюсом:
-Experience with our tech stack: Snowflake, dbt, Rudderstack, Sigma Computing, Metaplane, Eppo
-Experience with blockchain or cryptocurrencies
-History of improving dashboard performance and query optimization at scale
-Experience implementing data cataloging and metadata management solutions
-This ideal candidate will be a seasoned data professional who can architect solutions for our next phase of growth while maintaining the highest standards of data quality and performance, thriving in a lean two-person data team where resourcefulness and ability to prioritize high-impact work is essential
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Snowflake
- dbt
- SQL
- Python
- RudderStack
- Sigma Computing
- Metaplane
- Eppo
- Blockchain
- Data Architecture
- Data Modeling
- A/B Testing
Возможные вопросы на собеседовании
Проверка опыта работы с экстремальными объемами данных и понимания ограничений Snowflake.
Расскажите о самом сложном кейсе масштабирования архитектуры в Snowflake: как вы оптимизировали затраты и производительность при резком росте объема данных?
Важно понять, как кандидат обеспечит надежность данных в условиях ограниченных ресурсов.
Какие инструменты и метрики observability вы бы внедрили в первую очередь в Phantom для обеспечения Data Quality?
Вакансия предполагает создание системы для экспериментов.
Как бы вы спроектировали инфраструктуру для A/B тестирования, чтобы она была максимально автоматизирована и удобна для аналитиков?
Проверка навыков моделирования данных.
В чем заключаются основные различия в подходах к моделированию данных при использовании dbt для аналитики в реальном времени и для долгосрочного хранения?
Оценка самостоятельности и умения расставлять приоритеты в стартапе.
Как вы расставляете приоритеты между техническим долгом и внедрением новых фич, когда вы единственный или один из двух инженеров в команде?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
