Старший инженер данных (Java, AdTech)

Что предстоит делать

<h3>Описание роли</h3><p>Senior data engineer в команде доставки из восьми человек, создающей платформу для видеомедиапланирования. Роль включает в себя владение движком охвата и частоты, интеграцией audience API, API для оптимизации и генерации планов, а также моделью данных, поддерживающей эти возможности. Java является основным языком разработки.</p><p>Роль также охватывает второй, более ранний рабочий поток: вывод значений конфигурации, на которых работает методология оценки. Формулы фиксированы и принадлежат клиенту, но входные значения и параметры конфигурации, требуемые этими формулами, все еще необходимо определить и проверить. Эта роль работает совместно с аналитиками клиента для определения того, какие сигналы дают какие оценки, вывода и проверки этих значений, а также документирования того, как они были получены. Затем аналитики клиента поддерживают их через административный слой платформы.</p><p>Требуется хороший общий уровень знаний в AdTech, а также фундаментальные знания в области медиаизмерений из-за рабочего потока по выводу значений. Глубокие знания в области видео и ТВ-измерений являются преимуществом, а не обязательным требованием.</p><h3>О проекте</h3><p>Клиент: глобальная медиасеть, работающая через партнера по доставке. Конечные пользователи — медиапланеры в одном из агентств сети.</p><p>Продукт: веб-приложение для медиапланирования, ориентированное только на видео, по всем каналам. Планер определяет кампанию — рекламодатель, бюджет, даты показа, целевую аудиторию, цели — с помощью шестишагового мастера. Платформа генерирует оптимизированные по бюджету планы по видеоканалам, оценивает их с помощью двух детерминированных движков и экспортирует медиаплан для клиента (PDF) и операционный план активации (XLSX).</p><p>Охватываемые каналы: линейное ТВ, BVOD, SVOD, AVOD/FAST, YouTube, социальное видео, видео out-of-home. Рынок в основном Великобритания/EMEA.</p><p>Оценка: два детерминированных движка. Взвешенный индекс качества канала, построенный на основе оценок по субизмерениям, и модель охвата и частоты, использующая экспоненциальное насыщение по отношению к эффективным затратам с кросс-канальной дедупликацией. Машинное обучение не используется.</p><p>Доставка: фиксированный трехмесячный срок, спринтовый ритм, жесткая дата запуска. Команда охватывает управление доставкой, архитектуру решений, бэкенд, данные, фронтенд, DevOps и автоматизацию QA.</p><h3>Ключевые обязанности</h3><p><strong>Разработка (основная)</strong></p><ul><li>Реализовать движок охвата и частоты, моделирование насыщения, расчет эффективных затрат и кросс-канальную дедупликацию.</li><li>Создать интеграцию audience API, включая путь отката с ручным импортом.</li><li>Создать API для оптимизации, генерации планов и вариантов планов.</li><li>Спроектировать схему и модель данных, которые поддерживают методологию оценки и ее конфигурацию.</li><li>Работать в команде доставки из восьми человек, соблюдать спринтовый ритм, участвовать в код-ревью и интеграции с фронтендом и другими рабочими потоками платформы.</li></ul><p><strong>Вывод и калибровка (ранний этап)</strong></p><ul><li>Определить, какие сигналы дают какие оценки, работая с аналитиками клиента, и вывести оценки по субизмерениям для каждого канала по шкале от 0 до 10.</li><li>Вывести параметры охвата, константы насыщения и максимальные потолки охвата для каждого канала и диапазона аудитории путем подгонки кривых к наблюдаемым данным охвата.</li><li>Построить и проверить матрицы перекрытия каналов, используемые для кросс-канальной дедупликации, включая проверки симметрии и границ.</li><li>Оценить исходные данные на предмет полноты, сопоставимости и надежности, четко указывая, где выведенное значение является слабым или недостижимым.</li><li>Документировать логику вывода, источники и допущения на уровне, который аналитики клиента могут проверить.</li></ul><p><strong>Валидация движка</strong></p><ul><li>Реализовать версионированные эталонные данные с датами вступления в силу, чтобы планы использовали параметры, активные на дату их создания, а исторические планы оставались воспроизводимыми.</li><li>Проверить выходные данные движка на соответствие ожидаемым результатам и исследовать расхождения, включая дефект дедуплицированного охвата.</li><li>Поддерживать аналитиков клиента в поддержании их значений через административный слой после завершения вывода.</li></ul><p><strong>Сотрудничество и документация</strong></p><ul><li>Участвовать в методологических сессиях с аналитиками клиента.</li><li>Документировать логику вывода, источники данных и допущения на уровне, который клиент может проверить.</li><li>Выявлять пробелы в данных и риски зависимостей на ранней стадии и сообщать о них Solution Architect и Delivery Manager.</li></ul><h3>Требуемая квалификация</h3><p><strong>Опыт</strong></p><ul><li>5+ лет в продакшн data engineering, включая работу, результатом которой был расчетный или измеренный результат, оценка, метрики, индексы или аналитические выходные данные, а не только перемещение данных.</li><li>Работа в команде, придерживающейся фиксированных сроков и определенного объема работ.</li><li>Прямой рабочий контакт с внешними стейкхолдерами — командами клиента, партнерами или вендорами.</li><li>Английский язык: отличный письменный и устный, эффективно C1+. Роль включает сессии с клиентом и письменную документацию.</li></ul><p><strong>Технические знания</strong></p><ul><li>Java — продакшн код приложений, сервисы Spring Boot.</li><li>SQL — экспертный уровень, включая аналитические запросы.</li><li>Проектирование и интеграция REST API — контракты OpenAPI, интеграция со сторонними сервисами, обработка откатов.</li><li>PostgreSQL — проектирование схем и моделей данных, включая версионированные эталонные данные с датами вступления в силу.</li><li>Контейнеризированные облачные сервисы — предпочтительно Azure; AWS или GCP приемлемы.</li><li>Тестирование — JUnit, интеграционное тестирование, валидация вычислительных результатов.</li></ul><p><strong>Знание предметной области — обязательно</strong></p><ul><li>AdTech на хорошем общем уровне — как планируются, покупаются, доставляются и измеряются медиа; основные типы платформ и их роли; как данные о кампаниях и аудитории перемещаются между ними.</li><li>Основы медиаизмерений — охват и частота, эффективная частота, вселенные аудитории и знаменатели, кросс-канальная дедупликация. Требуется понимание базовой логики, а не свободное владение инструментарием или валютой какого-либо конкретного рынка.</li><li>Количественные концепции, используемые в измерениях — определение метрик, взвешивание, нормализация, построение индексов.</li></ul><p><strong>Суждения и мягкие навыки</strong></p><ul><li>Работает в рамках фиксированной, внешней методологии, не пытаясь ее перепроектировать.</li><li>Отстаивает техническую позицию в обсуждениях со специалистами со стороны клиента и пересматривает ее, если ему доказывают ее неверность.</li><li>Четко общается с нетехническими стейкхолдерами.</li><li>Документирует работу так, чтобы внешний рецензент мог проследить ход рассуждений.</li><li>Сообщает о блокерах, пробелах в данных и рисках зависимостей на ранней стадии, а не пытается решить их молча.</li></ul><h3>Будет плюсом</h3><ul><li>Глубокие знания в области видео или ТВ-измерений — GRPs/TVRs, OTS, совместный просмотр, панельные измерения, инкрементальный охват.</li><li>Качество сигнала цифрового видео — видимость, процент завершения просмотра, среда экрана, рекламный шум.</li><li>Опыт работы с CTV и программным видео.</li><li>Опыт работы в агентстве, телерадиовещательной компании или вендоре измерений.</li><li>Опыт работы с инструментами медиапланирования или закупки.</li><li>Опыт реализации аналитического метода, определенного кем-то другим.</li></ul><h3>Профиль идеального кандидата</h3><p>Senior data engineer из adtech, чья работа была скорее аналитической, чем чисто инфраструктурной — кто-то, кто строил пайплайны и модели данных для расчетов и измерений, а не только для пропускной способности.</p><p>Вы пишете продакшн код на Java и проектируете модели данных, которые выдерживают требования версионирования, аудита и воспроизводимости — и вы одинаково уверенно чувствуете себя при количественной работе, когда нужно вывести значение, подогнать кривую или проверить результат. Вы не специалист-аналитик, но количественная работа — это то, что вы ищете, а не терпите.</p><p>Вы понимаете, как измеряются аудитории. Охват и частота, дедупликация и знаменатели аудитории являются частью ваших рабочих знаний, а не терминами, которые нужно искать, потому что первые недели работы посвящены установлению того, какими должны быть числа, прежде чем появится что-то, во что их можно встроить.</p><p>Вы хорошо работаете в заданных рамках. Методология принадлежит клиенту и не подлежит перепроектированию. Инженерная задача — реализовать ее правильно, откалибровать с помощью данных и задокументировать, как было получено каждое значение.</p><p>Вы вызываете доверие у клиента. Вы посещаете сессии с аналитиками клиента, объясняете, что вы построили и почему, запрашиваете необходимую информацию и сообщаете о пробелах на ранней стадии, а не обходите их молча.</p> <div> <a href="https://jobs.dou.ua/companies/xenoss/vacancies/366966/#reply-btn-id">Откликнуться на вакансию</a> </div>