Data Engineer в Практикум

Яндекс Практикум — это образовательный сервис, который делает цифровые профессии доступными и помогает освоить новое дело с нуля. Практикум предлагает курсы по веб-разработке, анализу данных, бэкенд-разработке, машинному обучению и тестированию, интернет-маркетингу и другим направлениям.

Мы логируем ключевые действия пользователей в продукте, и у нас очень много данных для продуктовой, маркетинговой и учебной аналитики. Главная задача — применять и представлять эти данные с максимальной эффективностью для продукта и его пользователей.

Мы ищем человека, который поднимет на новый уровень сбор, обработку и хранение данных, а также аналитическую инфраструктуру сервиса в целом. Челлендж: спроектировать и реализовать многоуровневое аналитическое хранилище, определив ключевые сущности и их иерархию. В этом DWH будут работать десятки аналитиков, строя сотни дашбордов. Наш проект только начал развиваться и быстро растет — поэтому на вас ляжет большая ответственность, а в ваших руках окажется мощный ресурс, который поможет бизнесу достигать самых смелых целей.

• заниматься инфраструктурой обработки данных — для аналитики и пользовательских сервисов;
• проектировать и создавать витрины данных из сырых продуктовых источников;
• настраивать эффективное обновление данных;
• развивать логическую архитектуру DWH, чтобы аналитикам было удобно работать;
• повышать стабильность и надежность DWH;
• формулировать требования для новых источников данных и встраивать их в модели агрегатов данных.

• программируете на Python или любом другом языке и готовы изучить Python;
• пишете чистый оптимальный код, который легко поддерживать и тестировать;
• покрываете свой код тестами;
• разрабатывали ETL-процессы;
• работали с реляционными базами данных, API;
• участвовали в проектировании витрины дашбордов;
• умеете декомпозировать задачи, оценивать их и выдерживать сроки;
• коммуникабельны, умеете договариваться, доносить свои мысли, дружелюбно общаться.

• умение аргументированно отстаивать свою точку зрения, инициативность и самостоятельность;
• умение видеть за числами физический смысл и находить причины явлений;
• опыт решения задач в области анализа данных и машинного обучения;
• интерес к работе в образовательном продукте;
• умение работать от потребностей продукта и пользователя.