Находимся в поиске Senior Data Analyst в Армении

О вакансии

Чем предстоит заниматься

• 🦸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.
• О бэкграунде
• Важно, какие задачи вы решали — приходили в незнакомую недокументированную систему и разбирались сами, восстанавливали бизнес-смысл данных, строили модель с нуля и доводили исследование до работающей витрины.
• ‼️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.

Что нужно для работы

• ● 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.
• Будет плюсом: · Знание армянского языка
• Будет плюсом: · Методологии матчинга и дедупликации
• Будет плюсом: · Опыт с Data Vault 2.0
• Будет плюсом: · Опыт с DBT или аналоги
• Будет плюсом: · PII, маскирование, RBAC
• Будет плюсом: · Опыт в регулируемом on-premise контуре
• Будет плюсом: · Экспертиза в ML, ML Ops

Что предлагает компания

• 💰 ЗП: 300-400 тыс. руб.
• Формат работы - гибрид, готовность работать из офиса банка до 3 раз в неделю.