Мы развиваем продукты кредитования физических лиц и бизнеса. Для принятия кредитных решений, работы скоринговых cистем и оценки качества портфеля нужны точные и своевременные данные. Поэтому мы ищем дата-инженера, который готов погружаться в риск-процессы и вместе с командой решать задачи бизнеса.
Вам предстоит работать с риск-аналитиками, дата-сайентистами и разработчиками: разбираться, как устроен продукт, какие решения принимаются на основе данных и к чему могут привести ошибки в расчётах. Вы будете участвовать во всём пути решения — от обсуждения бизнес-задачи до запуска и проверки результата.
Наш стек: Python, SQL, Airflow, Spark / PySpark, PostgreSQL, ClickHouse, Vertica, Kafka, S3, Hadoop, Kubernetes, GitLab, Prometheus, Grafana.
Вам предстоит:
- Погружаться в продукты и процессы управления кредитным риском: от рассмотрения заявки и принятия решения до мониторинга кредитного портфеля.
- Вместе с аналитиками и дата-сайентистами уточнять задачи, выбирать источники данных и согласовывать логику расчётов.
- Разрабатывать пайплайны и витрины для скоринга, риск-аналитики и мониторинга портфеля.
- Разбираться в смысле данных: что означает показатель, как он формируется и подходит ли для конкретной задачи.
- Строить проверки качества данных, выявлять причины расхождений и оценивать их влияние на бизнес-процессы.
- Обеспечивать своевременную доставку данных, настраивать мониторинг и алерты, разбирать сбои.
- Предлагать улучшения, которые сокращают путь от бизнес-вопроса до доступных и проверенных данных.
Для нас важно, что вы:
- Работаете дата-инженером от трёх лет, уверенно используете Python и SQL.
- Умеете переводить бизнес-задачу в требования к данным и техническое решение, задаёте уточняющие вопросы и проверяете предположения.
- Готовы разбираться в предметной области и понимать, кто использует ваши данные и какие решения на их основе принимает.
- Знаете Spark / PySpark, понимаете принципы работы СУБД и умеете оптимизировать обработку данных и запросы.
- Имеете опыт разработки пайплайнов в Airflow и понимаете принципы построения хранилищ и витрин.
- Учитываете пропуски, дубли, опоздания событий и изменения источников при проектировании обработки данных.
- Тестируете решения, используете Git, документируете логику расчётов и договорённости.
- Умеете обсуждать решения с аналитиками, дата-сайентистами и разработчиками, объяснять ограничения и доводить задачи до результата.
Будет плюсом, если вы:
- Работали в кредитовании, финтехе или риск-менеджменте.
- Строили системы контроля качества данных и отслеживания их происхождения.
- Работали с Kafka, Kubernetes, Prometheus и Grafana.