Описание
Stealth-mode AI-powered Cloud-Native Health-Tech компания ищет Mid-level Data QA Engineer на долгосрочную работу. Фокус роли — тестирование ETL data loads и проверка того, что данные в BigQuery и Spanner являются полными, точными и соответствуют бизнес-требованиям. День за днём вы будете валидировать загрузки данных из источника в целевую систему, проверять логику трансформации, расследовать несоответствия данных и документировать проблемы, чтобы инженеры могли быстро их исправить. Разработка и исправление пайплайнов выполняется data engineers; ваша роль — находить проблемы, прослеживать их источник и подтверждать, что исправления работают.
Задачи
•Тестировать ETL data loads в BigQuery и Spanner из широкого круга источников.
•Запускать проверки качества данных на датасетах, уже хранящихся в BigQuery и Spanner: consistency, integrity, business rule validation.
•Выполнять source-to-target reconciliation: row counts, checksums, aggregate comparison, duplicate and null checks.
•Валидировать логику трансформации, маппинга и стандартизации по бизнес-требованиям.
•Проверять incremental vs. full loads, re-runs и late-arriving data.
•Запускать проверки freshness и completeness данных.
•Обнаруживать изменения схемы и формата файлов и оценивать их влияние на downstream data.
•Расследовать несоответствия данных и прослеживать их до источника, загрузки или шага трансформации, где они возникли.
•Сообщать о проблемах с чёткими доказательствами: запросы, примеры записей, expected vs. actual results.
•Работать с data engineers над root-cause анализом; проверять исправления и подтверждать корректность данных перед закрытием issue.
•Использовать AI-инструменты для написания SQL-проверок, подготовки test cases и более быстрого анализа проблем.
•Критически оценивать AI-generated output и всегда проверять результаты, особенно при работе с PHI.
•Создавать и поддерживать test cases и тестовую документацию.
•Участвовать в CI/CD процессах, интегрируя data tests в пайплайны.
•Отслеживать повторяющиеся проблемы с данными и поднимать их для постоянного исправления или новой автоматизированной проверки.
•Помогать расширять test coverage при добавлении новых источников и трансформаций.
•Изучать и применять знания медицинского домена (clinical codes, terminology, business rules) для валидации healthcare-специфичных данных.
Требования
•Mid-level опыт в data QA или тестировании data-intensive систем.
•Солидное понимание стратегий валидации данных, data profiling и проверок целостности данных.
•Опыт регрессионного, smoke и exploratory тестирования.
•Опыт тестирования ETL/ELT data loads и валидации потоков данных между несколькими источниками и приёмниками.
•Сильные навыки SQL и хорошее понимание концепций реляционных баз данных.
•Опыт работы с инструментами test management (Zephyr, TestRail, Jira) и Git.
•Практический опыт использования AI-инструментов в ежедневной QA-работе.
•Готовность и способность изучать большой объём знаний в сфере здравоохранения.
•Сильные аналитические способности и внимание к деталям.
•Умение превращать бизнес-требования в конкретные data checks.
•Чёткая письменная коммуникация: bug reports и data quality issues, по которым инженеры и аналитики могут действовать.
•Опыт работы в Agile-командах.
•Умение работать самостоятельно и расти в более сложные задачи тестирования и аналитики.
•Готовность изучать новые инструменты и подходы к тестированию данных.
•Так как система обрабатывает данные пациентов (PHI), требуется аккуратность с чувствительными данными — никогда не копировать PHI в тикеты, логи или чат.
•Умение работать в итеративном процессе разработки, улучшая качество данных и test coverage шаг за шагом, а не в Waterfall-стиле.
•Опыт сотрудничества с data engineers, аналитиками и product managers для превращения несоответствий данных в чёткие отчёты, root-cause findings и follow-up работу.
Будет плюсом:
•Опыт с BigQuery и экосистемой GCP.
•Опыт с Cloud Spanner или другими распределёнными базами данных.
•Опыт с Airflow и dbt.
•Знакомство с системами кодирования и терминологией в здравоохранении: ICD-10, CPT, HCPCS, LOINC, SNOMED CT, RxNorm, NDC.
•Предпочтительно знакомство с cloud-native подходами. Кандидаты, уверенно работающие с Google Cloud Platform (GCP), будут приоритетны, хотя опыт с другими крупными облачными провайдерами (например, AWS или Azure) также ценен.
•Опыт в Healthcare, Health-Tech и MedTech является преимуществом.
•Другие преимущества: опыт работы с healthcare data (claims, eligibility, lab results, risk adjustment, quality measures), опыт с payor или CMS data files, базовый скриптинг для автоматизации повторяющихся проверок.
Условия
В компании действует Unlimited PTOs Policy и компенсируемые праздники Нового года сверх этого. Злоупотребление этой политикой не приветствуется, однако точно можно взять как минимум две недели — полностью оплачиваемого — отпуска, или больше. Компания предоставляет корпоративное оборудование сотрудникам, прошедшим испытательный срок и доказавшим свою ценность.
