Системный аналитик DWH в Доставку

28 Октября

Партнерские Вакансии

Компания "Яндекс"

Яндекс Доставка — молодой сервис для людей и для бизнеса. Мы используем свой опыт в IT, чтобы делать новую доставку — быструю, дружелюбную и гибкую. Наш продукт лежит на стыке онлайна и офлайна: человек нажал на кнопку — курьер выехал. Мы мало работаем с абстракциями и много — с живым человеческим опытом. Мы уже лидеры на рынке экспресс-доставки, а следующая наша большая цель — создать доставку к любому точному времени из одного или нескольких магазинов, одному или нескольким клиентам. Чтобы всё получилось, нам нужна сильная аналитика, основанная на точных и своевременных данных в DWH.

Какие задачи вас ждут

• собирать и анализировать требования в части аналитических отчётов, дашбордов, механизмов и выгрузок;
• проверять новые требования на согласованность с уже существующими требованиями к хранилищу, находить противоречия, предлагать решения в спорных ситуациях;
• проектировать объекты хранилища и монтировать их в общую модель;
• проверять полученные витрины и отчёты на соответствие требованиям;
• описывать артефакты задачи в базе знаний: дополнять глоссарий, визуализировать сложные решения в виде схем и моделей;
• быть активным и бдительным, транслировать проработанные требования разработчикам, управлять ожиданиями заказчиков, видеть узкие места и риски на пути к достижению результата.

Мы ждем, что вы

• участвовали в проектах развития хранилищ данных;
• умеете выявлять и декомпозировать требования, относящиеся к бизнес-пользователям;
• внимательно ставите задачи разработчикам;
• понимаете схемы Data Vault, Anchor Modeling, «звезда», OLAP-кубов, их плюсы и минусы, паттерны использования;
• имеете знания в области теории баз данных;
• знаете SQL на уровне родного языка;
• общительны и дружелюбны.

Будет плюсом, если вы

• анализируете (а лучше пишете) код на Python;
• работаете в Agile-команде и можете объяснить, почему это лучше, чем Waterfall (или хуже);
• умеете тестировать ETL-процессы и профилировать данные;
• работаете со специализированными аналитическими базами данных (Greenplum, Vertica, ClickHouse, Teradata и пр.);
• работаете с инструментами стека Python для data science (Jupyter, Pandas, SciPy, Matplotlib, Bokeh и пр.);
• коммитите в публичные репозитории или пишете статьи с примерами работ.