Senior Data Analyst

#вакансия #fulltime #Ереван #Армения #финтех #банк #senior #Data #analyst #DataAnalyst #Գործկա

Неизвестный работодатель · На сервисе с: 22.09.26 16:23

Зарплата не указанаАрменияГибрид

Открыть в LinkedIn

#вакансия #fulltime #Ереван #Армения #финтех #банк #senior #Data #analyst #DataAnalyst #Գործկա

👉 Рассматриваем граждан РФ и Армении, которые проживают на территории Армении.

✅Находимся в поиске Senior Data Analyst в Армении.

💼О проекте:

Мы строим Customer Intelligence & Personalization Platform для экосистемы бизнесов в Армении. В основе — Golden Record: единый профиль клиента, объединяющий данные банка, продуктов экосистемы и внешних источников.

🦸Задачи роли:

Предстоит спроектировать слой между сырыми данными core banking системы и витринами платформы. Источник слабо документирован: часть значений закодирована, часть бизнес-логики реализована в коде и хранимых процедурах, две внешне одинаковые записи могут быть собраны разными алгоритмами из разных таблиц.

Нужен человек, который разберёт этот источник и превратит его в осознанную модель данных: что откуда берётся, что на что влияет, какое поле что означает.

⚙️Что предстоит делать:

● Исследовать core banking систему, legacy- и внешние источники, восстанавливать их семантику.

● Идти от целевой витрины к источнику: определять, из каких таблиц и по какой логике собирается каждый атрибут.

● Разделять случаи, когда одинаковые по виду данные получены разными путями, и фиксировать правила выбора.

● Описывать модель данных и метаданные: сущности, связи, grain, ключи, историчность.

● Формировать требования к витринам для сегментации, scoring и рекомендаций.

● Писать SQL-исследования и прототипы трансформаций, проверять гипотезы на данных.

● Выяснять смысл данных напрямую у сотрудников банка — это постоянная часть работы.

‼️Если вы работали дата-инженером и значительную часть времени тратили на то, чтобы понять, что лежит в источнике, — это наш профиль. Если получали готовые чистые витрины — скорее нет.

🏆AI-native подход:

Мы используем AI-native подход и ожидаем того же от кандидата: AI-инструменты применяются для разбора legacy, анализа схем, написания SQL и документирования.

🛠Требования:

● Сильный SQL: оконные функции, сложные join-цепочки, анализ качества и распределений.

● Опыт реверс-инжиниринга плохо документированных источников.

● Понимание data modelling: сущности, grain, ключи, историчность, master entities.

● Опыт работы с банковскими или fintech-данными (Core banking (особенно ArmSoft) / legacy banking systems, Customer 360) или опыт разбора сырых банковских данных о клиентах и продуктах из плохо документированных систем с целью производства маркетинговой и финансовой аналитики.

● Python на уровне исследования данных.

● Способность самостоятельно довести задачу «вот сырьё, вот целевая витрина» до результата.

● Проактивность: готовность выяснять смысл данных у людей, а не ждать документации.

● Git, Linux, опыт работы в закрытых Dev/UAT-контурах.

🤝Условия:

Взаимодействие по ИП

Локация - Армения

Формат работы - гибрид, готовность работать из офиса банка до 3 раз в неделю.

📩 Контакт: @ElenaK_it_recruiter

Открыть в LinkedIn

Статьи для Аналитика данных

Основные задачи:

Анализировать источники данных: ERP-системы, API, базы данных, файлы, event-шины и Kafka;
Выявлять и формализовывать требования внутренних и внешних заказчиков к данным и аналитике;
Участвовать в проектировании аналитических витрин и моделей данных;
Описывать состав показателей, правила расчёта, связи между сущностями и требования к качеству данных;
Готовить SQL-прототипы, выборки и технические задания для команд Data Engineering;
Выполнять профилирование данных и анализ расхождений между источниками;
Участвовать в проверке полноты, актуальности, непротиворечивости и корректности данных;
Принимать участие в тестировании и валидации витрин, пайплайнов и интеграций;
Анализировать результаты обработки данных в Spark, Starrocks, Trino или аналогичных SQL-движках;
Поддерживать документацию по источникам, моделям, витринам и правилам трансформации;
Взаимодействовать с заказчиками, аналитиками, разработчиками, инженерами данных и архитекторами.

Обязательные требования:

Опыт работы дата-аналитиком, DWH-аналитиком, системным аналитиком или аналитиком витрин данных;
Уверенное знание SQL;
Опыт анализа данных из нескольких источников;
Понимание принципов построения DWH, Data Lake или Lakehouse;
Опыт работы с Apache Iceberg, Parquet и объектными S3-хранилищами;
Опыт работы с Apache Spark, Spark SQL или PySpark;
Знание Python для анализа и автоматизации;
Понимание слоёв данных, витрин, агрегатов и ETL/ELT-процессов;
Опыт подготовки требований, спецификаций или технических заданий;
Умение описывать правила расчёта показателей и преобразования данных;
Опыт профилирования и проверки качества данных;
Понимание принципов работы пакетных и потоковых загрузок;
Умение взаимодействовать с бизнес-заказчиками и техническими командами.

Будет преимуществом:

Опыт работы в банках, страховых, инвестиционных или других финансовых компаниях;
Опыт работы с Impala, Trino, Hive, Greenplum или аналогичными движками;
Опыт работы с API, event-шинами и потоковыми данными;
Опыт работы с Kubernetes на уровне понимания среды исполнения;
Знание инструментов визуализации данных;
Опыт работы с Data Quality, Data Governance или Data Catalog.

МЫ ПРЕДЛАГАЕМ:

Полную занятость, график работы 5/2. Гибкое начало рабочего дня.
Гибридный формат работы (не менее 1-го дня в неделю из офиса, 4 дня дистанционно) для городов: Москва, Санкт-Петербург, Ярославль, Чебоксары, Воронеж, Самара, Пермь, Уфа.
Оформление по ТК РФ, бессрочный трудовой договор.