О роли
В роли Analytics Engineer в Ecommpay вы станете мостом между сырыми данными и реальными бизнес-инсайтами. Вы будете следить за тем, чтобы когда две команды смотрят на одну и ту же метрику, они видели одинаковое число и точно понимали, что оно означает. Вы внесёте структуру, ясность и последовательность в то, как данные строятся и используются по всей компании.
Эта роль также находится в центре того, как мы внедряем ИИ в нашу повседневную работу. Основы данных, которые вы создадите, помогут аналитикам, бизнес-командам и инструментам ИИ находить надежные ответы быстрее.
Что вы будете делать
•Проектировать и развивать аналитический слой данных: моделировать витрины данных (измерительное моделирование, звёздная схема) и определять гранулярность и бизнес-сущности
•Создавать и поддерживать преобразования данных на SQL и Python, оркестрируемые в Airflow
•Разрабатывать семантический слой в Looker (LookML) с единым определением для каждой метрики и измерения
•Внедрять проверки качества данных, включая: тесты, мониторинг свежести, полноты и оповещения
•Документировать модели, метрики и происхождение данных
•Работать с бизнес-командами, аналитиками и инженерами данных, чтобы превращать требования в модели данных с согласованными определениями метрик
•Использовать ИИ-инструменты для ускорения разработки, рефакторинга, тестирования и документации
•Готовить данные и контекст для внутренних кейсов использования ИИ, чтобы агенты LLM могли работать с надежными метриками и таблицами
Что мы ищем
•2 года практического опыта в аналитической инженерии или аналогичной роли с данными
•Сильные навыки SQL, включая CTE, оконные функции, оптимизацию запросов и чтение планов выполнения, желательно с Vertica, MySQL или MSSQL
•Опыт аналитического моделирования данных (Kimball, SCD, факты/измерения)
•Уверенные навыки Python и умение писать чистый, поддерживаемый код (модули, конфигурации, переиспользуемые функции)
•Опыт работы с Airflow или аналогичными инструментами (Dagster, Prefect, Luigi)
•Опыт работы с BI-инструментами и понимание того, как модель данных влияет на дашборды
•Знание Git, проведение код-ревью и базовые навыки Linux/Bash
•Практический опыт работы с ИИ-помощниками для кодирования (Claude Code, Codex, Copilot, Cursor) и умение критически оценивать сгенерированный код (логика, соединения и гранулярность)
•Уверенность в работе с бизнесом для точного определения того, что измеряется, и умение задавать вопросы, если что-то неясно
•Английский язык на уровне B1 или выше
Будет преимуществом, если у вас есть опыт с
•LookML или другими семантическими слоями (dbt Semantic Layer, Cube)
•dbt или аналогичными подходами (модульные SQL-модели, тесты, документация как код)
•Инструментами качества данных и наблюдаемости (Great Expectations, Soda, Elementary)
•Настройкой ИИ-агентов для вашего рабочего процесса, таких как инструкции для репозитория (CLAUDE.md, AGENTS.md) и MCP-соединения с хранилищем или BI
•Kafka или NoSQL (Elastic)
•Чтением PHP-кода для понимания логики исходной системы
Почему стоит присоединиться
•Международная команда из более чем 500 человек, сотрудничество в четырёх офисах
•Доступ к внутренней Академии, релевантным тренингам и курсам, финансовая поддержка для внешнего обучения
•Удалённая или гибридная работа, в зависимости от местоположения, с гибкостью и автономией
