Инженер данных в Финтех
Финтех — молодое и смелое направление Яндекса. Мы создаём банковские и небанковские продукты. Ищем инженера данных, который поможет создавать и развивать хранилище Финтеха. Откликайтесь, если работали инженером данных более трёх лет и знаете SQL и Python.Строить ETL-процессы
Нужно извлекать из источников ценную информацию, обрабатывать её и представлять в виде, удобном для аналитиков. Сложность пайплайнов может варьироваться от простых инжестов данных из внешней среды и приземления результата в хранилище до витиеватых графов со множеством инпутов и аутпутов. Оптимизировать логику
Как известно, у нас нет собственного легаси, но мы часто работаем с прототипами, реализованными аналитиками, чьё представление о прекрасном может не совпадать с нашим. Поэтому мы распутываем нетривиальную логику и предлагаем более строгую, консистентную и оптимальную, ориентируясь на большие объёмы данных. Обеспечивать доступность сервиса
Олимпиадный подход подразумевает одноразовость результата. Мы преследуем совсем другие цели, поэтому максима «сработало раз — и ладно» не о нас. Идеал такой: хранилище обеспечивает регулярную поставку с минимально возможным количеством сбоев, а данные — корректны, полны, непротиворечивы и отвечают самым строгим стандартам качества. Проектировать структуру хранилища
Лучшее аналитическое DWH ещё только в планах. Мы хотим заложить основы, которые позволят ему быстро развиваться, обрастая при этом не «костылями» и «велосипедами», а современными инженерными практиками и подходами. Взаимодействовать с аналитиками
Они наши главные и любимые заказчики. Вместе с ними вам предстоит обдумывать бизнес-задачи, иногда вы будете спорить, но в итоге — находить оптимальные решения. Неотъемлемая часть этого процесса — накапливание личного опыта в бизнес-домене Финтеха. Прибавим сюда рост инженерного опыта — и получим двойную выгоду. Почти как у Яндекс Пэй.* Уверенно программируете на Python * Хорошо знаете SQL и понимаете устройство современных СУБД * Понимаете и можете объяснить необходимость непрерывной интеграции и доставки (CI/CD), преимущества использования систем контроля версий, код-ревью, тестирования и мониторинга * Работаете в командной строке Unix-подобных систем (Linux, macOS)* Создавали сложные высоконагруженные ETL- и ELT-процессы (Hadoop, Hive, Spark) * Разрабатывали процессы обработки событий, приближенные к реальному времени (Kafka, Spark Streaming, Flink) * Участвовали в проектировании хранилищ данных * Работали по методологии Agile * Руководили стажёрами или начинающими специалистами * Знакомы со специализированными аналитическими БД (Greenplum, Vertica, ClickHouse, Teradata) и аналитическими инструментами на базе Python (Jupyter, pandas, SciPy, Matplotlib) * Публикуете свой код в доступном репозитории, пишете статьи, выступаете на конференциях
Нужно извлекать из источников ценную информацию, обрабатывать её и представлять в виде, удобном для аналитиков. Сложность пайплайнов может варьироваться от простых инжестов данных из внешней среды и приземления результата в хранилище до витиеватых графов со множеством инпутов и аутпутов. Оптимизировать логику
Как известно, у нас нет собственного легаси, но мы часто работаем с прототипами, реализованными аналитиками, чьё представление о прекрасном может не совпадать с нашим. Поэтому мы распутываем нетривиальную логику и предлагаем более строгую, консистентную и оптимальную, ориентируясь на большие объёмы данных. Обеспечивать доступность сервиса
Олимпиадный подход подразумевает одноразовость результата. Мы преследуем совсем другие цели, поэтому максима «сработало раз — и ладно» не о нас. Идеал такой: хранилище обеспечивает регулярную поставку с минимально возможным количеством сбоев, а данные — корректны, полны, непротиворечивы и отвечают самым строгим стандартам качества. Проектировать структуру хранилища
Лучшее аналитическое DWH ещё только в планах. Мы хотим заложить основы, которые позволят ему быстро развиваться, обрастая при этом не «костылями» и «велосипедами», а современными инженерными практиками и подходами. Взаимодействовать с аналитиками
Они наши главные и любимые заказчики. Вместе с ними вам предстоит обдумывать бизнес-задачи, иногда вы будете спорить, но в итоге — находить оптимальные решения. Неотъемлемая часть этого процесса — накапливание личного опыта в бизнес-домене Финтеха. Прибавим сюда рост инженерного опыта — и получим двойную выгоду. Почти как у Яндекс Пэй.* Уверенно программируете на Python * Хорошо знаете SQL и понимаете устройство современных СУБД * Понимаете и можете объяснить необходимость непрерывной интеграции и доставки (CI/CD), преимущества использования систем контроля версий, код-ревью, тестирования и мониторинга * Работаете в командной строке Unix-подобных систем (Linux, macOS)* Создавали сложные высоконагруженные ETL- и ELT-процессы (Hadoop, Hive, Spark) * Разрабатывали процессы обработки событий, приближенные к реальному времени (Kafka, Spark Streaming, Flink) * Участвовали в проектировании хранилищ данных * Работали по методологии Agile * Руководили стажёрами или начинающими специалистами * Знакомы со специализированными аналитическими БД (Greenplum, Vertica, ClickHouse, Teradata) и аналитическими инструментами на базе Python (Jupyter, pandas, SciPy, Matplotlib) * Публикуете свой код в доступном репозитории, пишете статьи, выступаете на конференциях