Инженер-аналитик данных в СБК Парус Москва

О роли:

Analytics Engineer - это позиция для того, кто хочет не просто тянуть и раскладывать сырые данные, но и заниматься непосредственно анализом данных и построением дашбордов. По сути, нужно будет:

• взять сырые данные, очистить их (DQ - 30%),
• смоделировать витрины в DWH (40%)
• и отдать бизнесу в виде готового BI-слоя (30%).

Мы ищем опытного специалиста на стыке аналитики, инженерии и QA, который станет главным гарантом качества наших данных. Вам предстоит развивать хранилище данных, выстраивать систему автоматизированного контроля качества, внедрять подходы MDM и разрабатывать надежные дашборды. Мы активно поощряем использование AI-инструментов для автоматизации проверок, нечеткого поиска, ускорения рутины.

Управление мастер-данными (MDM / НСИ) и Контроль качества:

• Разработка алгоритмов сопоставления (мэтчинга) и дедупликации справочников из разрозненных систем (1С, веб-сервисы, Excel).
• Централизованное ведение маппингов (карт соответствия) справочников и обеспечение консистентности нормативно-справочной информации (НСИ).
• Внедрение автоматизированных скриптов на Python и SQL для проверки целостности, полноты и консистентности данных на всех этапах загрузки.
• Настройка систем алертинга (уведомлений) о появлении дубликатов, нераспознанных сущностей или бизнес-аномалий.

Работа с базами данных и Инженерия (ETL/ELT):

• Интеграция шагов валидации данных и MDM-проверок (DQ-гейтов) в пайплайны Apache Airflow.
• Написание SQL-запросов (PostgreSQL / MySQL) для поиска логических ошибок, расхождений и профилирования данных.
• Проектирование сущностей в хранилищах данных; внедрение изменений.

BI и Аналитика (Apache Superset):

• Построение дашбордов в Apache Superset для визуального мониторинга «здоровья» данных (метрики качества, процент дубликатов, статус обогащения справочников).
• Разработка бизнес-дашбордов на основе уже очищенных, связанных и проверенных витрин данных.
• Взаимодействие с заказчиками: разбор инцидентов расхождения цифр, поиск корневых причин (Root Cause Analysis).

Использование искусственного интеллекта (AI):

• Применение AI-ассистентов для разного рода задач, например:
  • Реализации алгоритмов нечеткого поиска (Fuzzy Matching) и NLP-методов для сопоставления текстовых справочников.
  • Генерации SQL-скриптов для покрытия данных edge-кейсами и тестами.
  • Написания сложных регулярных выражений (RegEx) для очистки сырых текстовых данных.

Важно: глубокое понимание ограничений LLM, обязательное ревью, тестирование и валидация сгенерированного кода перед внедрением.

Hard Skills:

• SQL: продвинутый уровень (оконные функции, CTE, сложные джойны, понимание планов выполнения).
• Python: уверенное владение.
• Понимание принципов Master Data Management (MDM): подходы к дедупликации, слиянию записей (merge/survivorship rules), ведению НСИ.
• Опыт профилирования и поиска аномалий в реляционных БД (PostgreSQL / MySQL).
• Понимание метрик качества данных (полнота, точность, уникальность, согласованность).
• Опыт работы с Apache Superset (включая использование Jinja).

Soft Skills:

• Здоровый педантизм, любовь к порядку в данных.
• Насмотренность в части создания дашбордов.
• Умение выстраивать процессы «с нуля» и брать на себя ответственность за архитектурные решения в рамках MDM.

Будет плюсом:

• Глубокое понимание архитектуры 1С (Справочники, Регистры).
• Опыт работы со специализированными фреймворками для тестирования данных.
• Навыки работы с Linux (bash) и Git/Docker.

Условия:

• География проектов: Москва, МО, Санкт-Петербург, регионы РФ
• Конкурентоспособная заработная плата
• Официальное трудоустройство согласно ТК РФ
• График работы: 5/2 с 9:00 до 18:00
• Дружный коллектив и комфортная рабочая атмосфера
• Возможности для профессионального роста и развития

Если вы ищете стабильную работу в дружном коллективе и готовы развиваться вместе с нами, отправляйте свое резюме!