Junior Data Engineer/Младший инженер данных

Мы ищем Junior Data Engineer в команду, которая развивает корпоративное хранилище данных ( КХД / DWH ) с нуля и участвует в создании регуляторных и управленческих витрин. Если тебе интересно работать с данными не только на уровне SQL-запросов, а понимать, откуда данные приходят, как трансформируются, проверяются и попадают в DWH , — будем рады познакомиться. 📍 Условия • Ташкент, офис • График: 5/2, 09:00–18:00 • Полная занятость • Зарплата: от 8 000 000 сум • Работа в команде Data / DWH • Наставничество и возможность профессионального роста • Работа над реальным RegTech-проектом • Возможность развиваться в направлении Data Engineering / DWH 🎯 Чем предстоит заниматься • Разрабатывать и поддерживать корпоративное хранилище данных ( DWH / КХД ). • Создавать модели данных и SQL/dbt-модели на основе S2T (Source-to-Target) . • Разрабатывать регуляторные и управленческие витрины данных. • Писать и оптимизировать SQL-запросы, процедуры и функции . • Настраивать и сопровождать ETL/ELT-процессы. • Разрабатывать и сопровождать задачи в Apache Airflow . • Проводить проверки качества данных ( Data Quality ). • Контролировать корректность загрузки данных и искать причины ошибок. • Работать с логами и мониторингом процессов загрузки. • Участвовать в работе с CDC и потоками данных. • Использовать Git для работы с кодом. • Взаимодействовать с аналитиками, разработчиками и другими участниками проекта. • Документировать разработанные решения. 🔴 Обязательные знания и навыки Пожалуйста, откликайтесь, если у вас есть базовая практическая база по большинству этих пунктов. SQL — обязательно Нужно уверенно знать: • JOIN • GROUP BY • HAVING • подзапросы • CTE • оконные функции • агрегатные функции • фильтрацию и сортировку • понимание NULL • основы оптимизации SQL-запросов • желательно — простые stored procedures / functions DWH / КХД — обязательно Кандидат должен понимать: • что такое DWH / КХД и зачем оно используется; • отличие OLTP от OLAP ; • что такое факт и измерение ; • что такое витрина данных ; • базовые принципы моделирования данных; • как данные проходят путь Source → Staging → DWH → Data Mart . ETL / ELT — обязательно Нужно понимать: • что такое ETL и ELT ; • этапы извлечения, трансформации и загрузки данных; • как строится процесс загрузки данных из источника в DWH; • что такое полная и инкрементальная загрузка; • базовые принципы трансформации данных. Data Quality — обязательно Понимание базовых проверок: • NULL; • дубликаты; • количество записей; • соответствие типов данных; • контроль уникальности; • сверка данных между источником и DWH; • выявление некорректных или потерянных данных. Python — обязательно на базовом уровне Не требуется быть Python-разработчиком, но необходимо: • понимать синтаксис Python; • уметь работать с данными; • понимать базовые структуры данных; • желательно иметь опыт с pandas. Git — обязательно / либо готовность быстро освоить • понимание commit; • branch; • pull/push; • базовая работа с Git/GitHub/GitLab. Аналитическое мышление — обязательно Нужно уметь: • разбираться в структуре данных; • находить причины ошибок; • понимать бизнес-логику преобразований; • внимательно работать с требованиями; • самостоятельно искать решение проблемы. 🟢 Будет большим плюсом Опыт или знания: • dbt • Apache Airflow • Oracle • PL/SQL • SQL optimization • Linux • CDC • Oracle GoldenGate • построение DWH с нуля • S2T-мэппинг • Data Quality frameworks • опыт с Data Mart • опыт работы с RegTech / банковскими / финансовыми данными 👤 Кого мы ищем Рассматриваем: • Junior Data Engineer; • выпускников профильных специальностей; • студентов старших курсов; • кандидатов с опытом стажировок; • специалистов с опытом учебных или pet-проектов в Data Engineering. Коммерческий опыт не является обязательным , если есть хорошая техническая база и реальные проекты. Для нас важнее: SQL + понимание DWH + ETL/ELT + аналитическое мышление + способность быстро обучаться. 📈 Что будет после адаптации В первые месяцы ты постепенно научишься: • создавать dbt-модели по S2T; • разрабатывать DWH-компоненты; • создавать и сопровождать Airflow DAG; • выполнять Data Quality проверки; • работать с реальными источниками данных; • находить и устранять ошибки загрузки; • участвовать в code review; • самостоятельно вести небольшие задачи от постановки до результата. ❗ Важно Перед откликом проверьте себя: • Я уверенно владею SQL. • Понимаю, что такое DWH и чем OLTP отличается от OLAP. • Понимаю принципы ETL/ELT. • Знаю базовые проверки качества данных. • Имею хотя бы базовый опыт Python. • Работал с Git или готов быстро его освоить. • Готов работать в офисе 5/2, 09:00–18:00 . • Мне интересно развиваться именно в Data Engineering / DWH .