Описание
Команда DWH Лавки работает над хранилищем, которое поддерживает аналитику и ключевые операционные процессы бизнеса. В основе хранилища — зрелый batch‑контур. Он включает тысячи расчётов и зависимостей: сохраняет историю и предоставляет проверенные данные за прошедший день. Сейчас мы развиваем направление RT/NRT‑данных для AI‑систем Лавки.
Задачи
•Вы будете проектировать и развивать RT/NRT‑поставки данных для разных сценариев работы продуктовых команд — например, для жизненного цикла заказа, работы сотрудников, складских операций и отслеживания доступности товаров.
•Тщательно продумывать, как будут взаимодействовать оперативный и batch‑контуры, и подбирать архитектуру, которая обеспечит нужную скорость, полноту, стоимость и надёжность данных.
•Помогать системным аналитикам и продуктовым командам проектировать RT‑данные: подбирать источники и способы обработки, определять модель событий, контракты, требования к свежести и качеству данных, а также прорабатывать правила работы с запаздывающими событиями и предварительными результатами.
•Искать новые способы работы с RT‑данными, разрабатывать универсальные подходы и помогать внутренним заказчикам разобраться, какие задачи можно решить с их помощью.
•Вести инженерные задачи: исследование процессов и источников данных, запуск решений в промышленную эксплуатацию, контролирование их работы и безопасное развитие DWH, который имеет большой граф зависимостей.
•Расширять возможности AI‑агентов в автономном DWH: предоставлять им качественный контекст и инструменты, устанавливать ограничения и проверки, оценивать результаты работы и превращать сложные случаи в новые сценарии автоматизации.
•Работать с нетиповыми инцидентами — выявлять их системные причины и на этой основе создавать новые проверки, инструменты и возможности для агентов.
Требования
•Проектировали и поддерживали промышленные RT/NRT‑пайплайны, понимаете, чем их разработка и эксплуатация отличаются от batch‑обработки.
•Занимались разработкой в крупном DWH или распределённой платформе, понимаете, как безопасно менять процессы с большим графом зависимостей.
•Умеете проектировать надёжную обработку событийных данных с учётом задержек, повторной обработки и изменений источников.
•Уверенно владеете Python и SQL, понимаете принципы моделирования данных, качества, наблюдаемости и надёжной эксплуатации.
•Умеете превращать не до конца сформулированную бизнес‑задачу в модель данных и техническое решение, сравнивать архитектурные варианты, объяснять компромиссы и договариваться с владельцами источников.
•Уже используете AI‑агентов в инженерной работе и хотите развивать подход, в котором человек управляет целями, качеством и архитектурой, а значительную часть реализации и поддержки выполняют агенты.
•Готовы брать ответственность за результат поставки данных, а не только за написанный код.
Будет плюсом
•Имели глубокий практический опыт работы с Apache Flink.
•Практиковали построение lambda‑ или kappa‑архитектуры и объединение оперативного и batch‑контуров.
•Запускали новое платформенное направление или развивали внутренние data‑продукты.
•Практиковали проектирование data contracts и интеграцию нескольких продуктовых систем.
•Разрабатывали инструменты, контекст, проверки или evaluation‑процессы для инженерных AI‑агентов.
Условия
Условий в вакансии нет.
