Системный аналитик DWH
Хорошая вакансия для Middle-специалиста с четко описанными задачами и адекватными требованиями. Удаленный формат и работа с современным стеком (Airflow, ClickHouse, dbt) делают предложение привлекательным.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Требуется уверенное владение SQL и понимание архитектуры DWH (слои, ETL, CDC). Сложность добавляет необходимость работы со специфическими структурами 1С и HR-аналитикой.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предлагаемая зарплата до 190 000 ₽ на руки находится в пределах рыночной нормы для Middle системного аналитика в России, хотя верхняя планка рынка для опытных специалистов в DWH может достигать 250 000 ₽ и выше.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
DCloud
Системный аналитик DWH
до 190 000 ₽ за месяц, на руки
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-Собирать и согласовывать требования бизнеса к отчётам и показателям: формулы, детализация, аналитические разрезы, периоды расчёта и сроки готовности данных
-Разбирать существующую отчётность, SQL и другую доступную логику расчётов; выявлять неописанные правила, исключения и зависимости
-Исследовать данные 1С и других HR-систем: структуру, ключи, связи, историчность и качество; определять достаточность данных для воспроизведения расчётов
-Проектировать модели и преобразования в слоях DWH, переиспользуемые расчёты и витрины для BI
-Готовить технические спецификации, S2T-маппинги, схемы потоков и критерии приёмки
-Проводить сверку новой и существующей отчётности, объяснять расхождения с учётом дат среза, перерасчётов и изменений исходных данных
-Участвовать в планировании поэтапного переноса отчётов, согласовании результатов с бизнесом и переключении потребителей
*☑️* Наши пожелания к кандидатам
-Опыт системного анализа от 3 лет
-Опыт с DWH от 1 года
-Уверенный SQL: сложные JOIN, CTE, оконные функции, агрегаты; чтение и восстановление логики чужих запросов, поиск причин расхождений, понимание планов выполнения
-Обратный анализ расчётов: умение восстановить алгоритм по реализации, документации, примерам отчётов и обсуждениям с владельцами; формализовать его для реализации в DWH
-Моделирование данных: гранулярность, бизнесовые и технические ключи, кардинальности, факты и измерения, историзация; практический опыт проектирования витрин
-Принципы DWH и ETL/ELT: слои хранилища, полные и инкрементальные загрузки, CDC, обработка удалений, поздних данных и перерасчётов прошлых периодов
-Исследование источников: профилирование, определение связей и ограничений, выявление недостающих данных; понимание особенностей обмена через БД, API и файлы
-Требования и документация: однозначное описание формул, преобразований, фильтров, исключений, правил обработки и дублей; ER-диаграммы и схемы потоков
-Качество и приёмка: проверки полноты, уникальности, целостности и актуальности; сверка результатов на уровне записей и итоговых показателей, подготовка проверяемых критериев приёмки
-Подготовка данных для BI: понимание влияния детализации, связей и агрегаций на корректность показателей
-Умеет разбираться в неполной документации, задавать точные вопросы и проверять предположения на данных
-Обсуждает бизнес-смысл показателей с заказчиками и технические решения с разработчиками
-Структурирует задачи, фиксирует договорённости и аргументирует предлагаемые решения
-Самостоятельно ведёт работу, заранее сообщает о зависимостях, рисках и блокерах
-Внимателен к деталям и доводит задачу до согласованного результата
*☑️* Будет плюсом
-Опыт переноса отчётности из операционных систем в DWH и BI
-Знакомство со структурой данных 1С, особенно ЗУП: справочниками, документами, регистрами и периодическими данными
-Понимание HR-показателей: численность, кадровые движения, рабочее время, начисления и организационная структура
-Опыт с Trino/Impala, Airflow, S3, Apache Iceberg, ClickHouse, dbt
-Знакомство с Data Vault или Anchor Modeling, каталогами метаданных и lineage
-Python для исследования данных и автоматизации сверок
-Опыт работы с персональными данными и требованиями к разграничению доступа
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- SQL
- dbt
- Airflow
- Apache Iceberg
- ETL
- S3
- ELT
- ClickHouse
- Trino
- ERD
- BI
- DWH
- Impala
- 1C
- Data Vault
- S2T Mapping
Возможные вопросы на собеседовании
Проверка глубины знаний SQL, необходимых для анализа данных и поиска расхождений.
Расскажите о наиболее сложном SQL-запросе, который вам приходилось оптимизировать или восстанавливать. Какие оконные функции вы использовали?
Оценка навыков проектирования архитектуры данных.
Как бы вы спроектировали витрину данных для расчета текучести кадров, учитывая историчность данных и изменения в оргструктуре?
Проверка понимания процессов загрузки данных.
В чем разница между инкрементальной загрузкой и CDC? В каких случаях вы выберете тот или иной подход при проектировании ETL?
Оценка умения работать с документацией и требованиями.
Что обязательно должен содержать качественный S2T-маппинг, чтобы у разработчика не возникло вопросов при реализации?
Проверка навыков сверки данных.
Как вы будете действовать, если данные в новом отчете из DWH не сходятся с данными в операционной системе (например, 1С)? Опишите ваш алгоритм поиска причин.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

