- Страна
- Россия
Senior Data Engineer — DWH / Lakehouse
Оценка ИИПривлекательная вакансия для опытных инженеров благодаря современному стеку (Lakehouse, Trino, Iceberg) и возможности влиять на архитектуру. Удаленный формат и оформление по ТК РФ добавляют стабильности, хотя отсутствие указанной вилки зарплаты является минусом.
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 требованием полного владения (ownership) хранилищем end-to-end и необходимостью глубоких знаний современных архитектур (Lakehouse, Data Vault). Требуется уверенный стек технологий (Trino, Iceberg, dbt) и опыт оптимизации производительности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указана зарплата, однако для позиции Senior Data Engineer в России с таким стеком (Trino, Iceberg, dbt) рыночные предложения обычно начинаются от 350 000 рублей. Верхняя граница может достигать 500 000 рублей и выше в зависимости от масштаба компании.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*🚀* Hiring: Senior Data Engineer — DWH / Lakehouse
*📍* Remote — Россия, работа по времени МСК
*🧩* Full-time, ТК РФ
Ищу Senior Data Engineer, который сможет взять на себя развитие нового DWH / Lakehouse-контура и стать владельцем хранилища данных end-to-end.
Что предстоит:
— перенести текущую аналитику на новую Lakehouse-архитектуру;
— развивать DWH от источников и загрузки данных до детального слоя и витрин;
— работать с dbt, Airflow, Trino, Iceberg, S3 и ClickHouse;
— проектировать модели данных и развивать Data Vault;
— выстраивать Data Quality, CI/CD и надежный dev-to-prod процесс;
— оптимизировать SQL, пайплайны и производительность хранилища.
Что важно:
— 3+ лет опыта в Data Engineering;
— опыт полного ownership хранилища: от источников до пользовательских витрин;
— сильный SQL и production Python;
— production-опыт с dbt;
— практический опыт Airflow / Dagster / Prefect;
— глубокий опыт хотя бы с одной MPP / columnar системой: Trino, ClickHouse, Greenplum, Spark и др.;
— понимание Kimball, Data Vault и/или Anchor Modelling.
*📩* Пишите в личные сообщения или Telegram: Откликнуться
Источник: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- dbt
- Airflow
- Trino
- Apache Iceberg
- Amazon S3
- ClickHouse
- Data Vault
- SQL
- Python
- Dagster
- Prefect
- Greenplum
- Apache Spark
- CI/CD
- Data Quality
Возможные вопросы на собеседовании
Проверка понимания архитектурных подходов, заявленных в вакансии.
Расскажите о вашем опыте внедрения Data Vault: с какими сложностями вы сталкивались при проектировании хабов и сателлитов?
Вакансия сфокусирована на Lakehouse, поэтому важно понимать специфику работы с табличными форматами.
В чем основные преимущества использования Apache Iceberg в связке с Trino по сравнению с классическим Hive?
Оценка навыков оптимизации, критичных для Senior-позиции.
Как вы подходите к оптимизации производительности в ClickHouse при работе с большими объемами данных и сложными джойнами?
Проверка навыков построения надежных процессов разработки.
Как вы организуете процесс CI/CD для dbt-проектов и какие проверки Data Quality считаете обязательными перед деплоем в прод?
Оценка навыков владения Python в контексте Data Engineering.
Опишите ваш подход к написанию кастомных операторов или хуков в Airflow для нестандартных источников данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
