Ищем к себе в команду

🔥 Ищем к себе в команду Позиция: Junior/Middle/Senior DA Куда: Сбер, B2C, Data Unit, Трайб X Формат работы: полная занятость; офис в Москве, Санкт-Петербурге Вилка гросс: 150-250 джун + годовой бонус (mid 15%, max 30%) от годового оклада 250-430 мидл + годовой бонус (mid 25%, max 50%) от годового оклада 430-560 синьор + годовой бонус (mid 25%, max 50%) от годового оклада Про нас: Мы ищем аналитика данных, который будет работать с крупными объемами данных в PySpark, строить витрины под продукт и ML модели и помогать бизнесу принимать решения на основе данных. Наша команда занимается внедрением нейронных сетей в бизнес-процессы банка. Мы строим не только SOTA алгоритмы, но и активно «приземляем» наши исследования, растим бизнес и клиентский опыт, исследуем новые источники данных и подходы к моделированию на них. Тебе предстоит влиться в команду, занимающуюся внедрением больших нейронных сетей в различные бизнес-вертикали Банка. У нас есть много железа, еще больше данных, крутая команда и много амбициозных задач. Что предстоит делать? Обработка и анализ больших данных в PySpark Разработка и поддержка витрин и дата-сетов в PySpark для продуктовых задач и моделей Проверка качества данных в кластере: поиск дубликатов, пропусков, аномальных значений, согласование логики с владельцами систем Исследование данных на основе существующих витрин Подготовка наборов признаков для дата саентистов и участие в обсуждении постановки задач для ML моделей Взаимодействие с бизнес-заказчиками: уточнение требований к витринам/отчетам, совместное определение метрик, объяснение ограничений данных и результатов анализов Требования Для Junior: Первичный опыт работы с данными (учебные/пет проекты, стажировка, до 1–1,5 лет коммерческого опыта) Готовность активно учиться PySpark и работать с распределённой обработкой данных SQL на среднем уровне Умение аккуратно считать и интерпретировать простые продуктовые метрики (количество пользователей, конверсия, средний чек и т.п.) Дополнительно для Middle: От 2 лет опыта работы с данными (аналитик/инженер данных, продуктовый аналитик и т.п.) Практический опыт регулярной работы с PySpark: DataFrame API, Базовое понимание ленивых вычислений и разницы между трансформациями и действиями Уверенный SQL: сложные JOIN, оконные функции, подзапросы для агрегаций и выборки последних/первых записей Опыт построения витрин/пайплайнов в PySpark Понимание принципов работы Spark кластера на базовом уровне (драйвер, executors, партиционирование данных, влияние этого на производительность) Опыт взаимодействия с продуктом/бизнесом: формулирование аналитических задач, определение метрик, поддержка решений цифрами Дополнительно для Senior: Глубокое владение SQL и PySpark: умение разрабатывать и оптимизировать сложные запросы и пайплайны, работать с большими объёмами данных, понимать влияние джойнов, партиционирования и shuffle на производительность. Участие в построении технических стандартов команды: код‑ревью PySpark/SQL, соглашения по стилю, подходы к тестированию и валидации данных, требования к документации Готовность брать на себя наиболее сложные технические кейсы: неоднородные источники, “грязные” данные, нетривиальная бизнес‑логика, интеграция аналитических пайплайнов с ML‑моделями и продуктовой инфраструктурой При этом — способность переводить технические решения в понятные бизнесу эффекты: объяснять, почему определённая архитектура витрин, метрик или пайплайнов важна для устойчивости продукта и качества принимаемых решений Будет большим плюсом: Опыт оптимизации PySpark задач: работа с партициями, broadcast join, минимизация shuffle операций Понимание, как устроен полный путь данных: от сырого слоя до витрин для ML Опыт в финансовой/банковской сфере или других высоконагруженных продуктах Ответы на 10 важных вопросов в прошлом посте https://t.me/not_boring_ds_jobs/140 Резюме направляйте на почту AAnatFirstov@sberbank.ru с темой «Вакансия_Фамилия_DA_B2C_CD» (прошу обратить внимание на шаблон, в противном случае рискую упустить В