Analyst Engineer (Trust and Safety) at SKELAR in Kyiv

Job description

Що варто знати про SKELAR? Це венчур-білдер — іншими словами, компанія, яка будує компанії. З нами фаундери створюють consumer-бізнеси, які стають лідерами на глобальних ринках EdTech, Mental health, Petcare, FashionTech та інших. Скеларівці будують tech-продукти, які здобувають відзнаки від Product Hunt, The Webby Awards та отримують тисячі позитивних відгуків на TrustPilot. Загалом tech-продуктами наших бізнесів користуються 10+ млн людей у світі. Усе завдяки сильним командам, бо наші спеціалісти — це ключова цінність SKELAR. Для професійної реалізації ми створили середовище з експертизою та необмеженими можливостями — і шукаємо тих, хто прагне викликів. Зараз ми в пошуку Analytics Engineer, щоб разом піднімати планку результату. 🎯 Якщо тебе дратують неякісні дані більше, ніж поганий Wi-Fi — ми вже маємо про що поговорити. Ми шукаємо не просто SQL-спеціаліста. Ми шукаємо людину, яка дивиться на хаотичні дані й бачить систему. Яка не може спокійно пройти повз дублікати, неконсистентні метрики чи неоптимальний запит. Яка готова сперечатися за якість даних так само впевнено, як інші сперечаються про архітектуру. У нас Analytics Engineer — це інженер аналітичної платформи. Людина, яка будує надійний фундамент для десятків аналітиків, сотень бізнес-рішень і мільярдів подій. Чим ти будеш займатися • Будувати та підтримувати аналітичні шари даних (Raw → Staging → Marts). • Очищати, стандартизувати та збагачувати дані з десятків різних джерел. • Проєктувати моделі даних, які залишаються зрозумілими навіть через кілька років. • Робити BigQuery швидшим, дешевшим і розумнішим. • Оптимізувати SQL не лише для правильного результату, а й для мінімальної вартості виконання. • Будувати процеси контролю якості даних та автоматичні перевірки. • Робити так, щоб бізнес довіряв цифрам без додаткових перевірок. • Бути тим самим незручним колегою, який помітив проблему ще до того, як вона стала інцидентом. Виклики, які тебе чекають • Побудова надійного аналітичного шару даних (Raw → Staging → Marts) для складної продуктової екосистеми з десятками джерел та мільярдами подій. • Проєктування моделей даних та оптимізація BigQuery-запитів там, де швидкість і вартість виконання безпосередньо впливають на бізнес. • Усунення розривів між потребами аналітиків (Data Analytics) та можливостями дата-інженерії (Data Engineering) — часто в умовах неповної або суперечливої інформації. • Побудова стандартів якості даних у середовищі, де їх потрібно створити практично з нуля. • Пошук причин системних проблем, а не нескінченне лікування їхніх симптомів. На що ти реально будеш впливати • Надійність та антикрихкість всієї аналітичної екосистеми. • Довіру бізнесу до даних та швидкість прийняття рішень. • Вартість обчислень у BigQuery та ефективність аналітичної інфраструктури. • Якість роботи кожного аналітика, який використовує створені тобою моделі. Що для нас важливо • Впевнене володіння SQL та BigQuery (partitioning, clustering, оптимізація запитів). • Системне та критичне мислення. Ми шукаємо людину, яка бачить проблему в архітектурі, а не лише в конкретному SQL. • Алгоритмічне мислення — вміння розкласти будь-яку задачу на логічний ланцюжок дій. • Маніакальна уважність до деталей. Ми цінуємо людей, яких буквально "свербить", коли дані неконсистентні. • Скрупульозність. Якщо після твого рев'ю ніхто більше не хоче пушити код без перевірки — це скоріше комплімент. Буде великим плюсом • Досвід роботи з dbt або Dataform. • Розуміння Git та базового CI/CD для аналітичного коду. • Знання Python. • Глибоке розуміння внутрішніх механізмів Tableau: як працюють Extracts, Live Connections, Hyper, Context Filters, LOD, кешування, порядок виконання запитів та інші особливості, що дозволяють значно пришвидшувати дашборди й зменшувати навантаження на інфраструктуру. • Використання AI як інженерного інструменту, а не як заміни власного мислення. Ми цінуємо людей, які прискорюють себе за допомогою AI, а не перекладають на нього відповідальність. Тобі буде комфортно, якщо ти... •