Senior Data Engineer / Архитектор баз данных

Что предстоит делать

Навыки: Базы данных, SQL, Python, PostgreSQL, ClickHouse, Алгоритмы и структуры данных. Квалификация: Senior. Специализации: Архитектор баз данных. ## О компании и команде Мы не стартап «на идее» — мы уже сделали результат. 25 лет опыта в оффлайн-ритейле + глубокая экспертиза в e-commerce. Развиваем собственные бренды верхней одежды **GRIZMAN** и **LAWINTER**, которые за последние 3 года вышли в лидеры категории на Wildberries. Это не про «попробовали и получилось», а про системную работу с продуктом, аналитикой и масштабированием. Что важно про команду и проект: — Уже есть обороты и нагрузка — Много свободы в принятии решений: нет бюрократии и долгих согласований — Data — это не вспомогательная функция, а ядро бизнеса (мы реально опираемся на цифры, а не на «чувство рынка») — Можно построить систему «с нуля правильно» Сейчас мы выходим на следующий уровень — нам нужна полноценная архитектура данных: сбор, хранение, обработка и быстрая доступность информации для бизнеса. Поэтому мы ищем не просто data engineer, а человека, который сможет **построить фундамент всей аналитики компании** и напрямую влиять на рост бизнеса. ** ** ## **Что нужно сделать:** Построить внутреннюю систему аналитики «РНП» по: Wildberries / Ozon / рознице в 1С УТ: - спроектировать архитектуру; - определить, что хранить в Postgres, что в ClickHouse; - продумать сущности, ключи, связи, гранулярность; - настроить автоматическую загрузку данных из API WB, Ozon и 1С; - реализовать загрузку на Python; - учесть дубли, неполные данные, ошибки, изменения задним числом, догрузку и пересчет; - построить расчетный слой между сырыми данными и интерфейсом; - подготовить быстрые витрины / агрегаты / предрасчеты; - передать решение нашей команде; - при необходимости подключаться к доработкам. ## **Требования:** - реальный опыт похожих проектов; - желательно опыт именно с маркетплейсами; - SQL + Python; - опыт проектирования аналитических БД / хранилищ; - опыт работы с API; - понимание расчетного слоя; - интеграция с 1С или понимание, как это делать. ## Формат: - проектная работа в удаленном формате; - сдача этапами; - работа на нашем сервере. ## Дополнительно: Чтобы понять, насколько ваш опыт подходит под нашу задачу, просьба коротко ответить по пунктам: 1. Какой похожий проект по маркетплейсам вы делали лично? 2. С какими маркетплейсами и API вы работали руками? 3. Что именно вы делали сами: проектирование БД / выбор архитектуры / загрузка данных на Python / расчетный слой / витрины / агрегаты / интеграция с 1С 4. Как вы решали ситуации, когда API: - отдавало не все данные, - присылало дубли, - меняло старые данные задним числом 5. Что бы вы предложили для такой задачи на старте: - только Postgres или - Postgres + ClickHouse и почему 6. Как вы бы разделили: - сырые данные, - расчетный слой, - данные для интерфейса 7. Есть ли у вас опыт передачи такого проекта внутренней команде 8. Можете ли вы после запуска подключаться к точечным доработкам 9. Если можно, кратко опишите один похожий кейс: что было на входе, что вы сделали, какой результат получили. 10. Ваш ориентир по стоимости и формату работы.