Старший инженер данных в Никс

Стань лидером data-стратегии для наших глобальных клиентов. Мы ищем Senior Data Engineer, который будет выступать надежным техническим советником — человек, способный проектировать сложные Lakehouse-архитектуры, аргументированно защищать технические решения перед стейкхолдерами и драйвить прессейл-активности.

МИССИЯ:

Твоя миссия - проектировать масштабируемые, безопасные и экономически эффективные платформы данных, решающие критические бизнес-задачи. Ты будешь проводить технические аудиты, определять best practices для команды и строить фундаментальную инфраструктуру, что дает возможность реализовать продвинутую аналитику и внедрение AI/GenAI возможностей для наших клиентов. 400">

ЧТО НАМ ВАЖНО: 

• Python или Scala (Экспертный уровень/Design Patterns), SQL (Экспертный>) Catalog), Snowflake, BigQuery, Synapse.
• Spark/PySpark (Глубокое понимание внутренних механизмов, тюнинг, стриминг), dbt (Enterprise паттерны).
• Data Mesh, Lakehouse (Delta Lake/Iceberg), Lambda/ Terraform/IaC, CI/CD, Docker/Kubernetes.
• Feature Stores, Vector Databases, основы MLOps.
• Экспертный уровень владения Python (паттерны проектирования, разработка библиотек) и SQL. Умение оптимизировать код, написанный другими.
• Глубокое владение Databricks (управление памятью Spark, стратегии партицирования) или Snowflake (тюнинг Warehouse, RBAC, Zero-Copy Cloning). Ты понимаешь, как эти инструменты работают под капотом.
• Способность проектировать end-to-end решения, выбирать правильные инструменты (например, аргументировать«Почему Snowflake, а не Redshift в этом кейсе?») и защищать свои решения перед руководством клиента.
• Экс. Глубокое понимание сетей (VPC, PrivateLink), безопасности (IAM) и лимитов интеграции.
• Опыт участия в Presales, технических аудитах или discovery-фазах. Умение трансформировать бизнес-потребности в технические спецификации.
• Понимание принципов подготовки данных для Machine Learning (Feature Engineering, пайплайны для LLM/RAG).

БУДЕТ ПЛЮСОМ:

• Гопыт работы с Kafka, Kinesis или Spark Structured Streaming.
• Опыт работы с векторными базами данных (Pinecone, pgvector, Weaviate) или фреймворками типа LangChain.
• Профессиональные облачные сертификации (например, AWS Solutions Archit Professional).
• Продвинутое моделирование данных для DynamoDB, Cosmos DB или MongoDB.