Ведущий инженер данных и архитектор (Principal Data Engineer & Architect)

Что предстоит делать

Описание Наш клиент ищет практикующего Principal Data Engineer & Architect для руководства проектированием, развитием и реализацией своей основной экосистемы инженерии данных. Эта роль создана специально для элитного технического лидера, который любит проектировать высоконадёжные распределённые архитектуры, но движим сильным желанием оставаться «у станка» — выделяя примерно 70% времени на написание критически важного production-кода, основных библиотек для работы с данными и внутренних фреймворков, и 30% — на архитектурное проектирование высокого уровня, управление инфраструктурой данных и техническое наставничество. О нашем клиенте Наш клиент — это венчурная AI-платформа, созданная специально для потребительских брендов. Она бесшовно подключается к разрозненным внешним источникам, таким как банки, POS-системы и рекламные платформы, чтобы ежедневно предоставлять отчёты о прибылях и убытках, планы движения денежных средств и сравнительный анализ с конкурентами — и всё это в реальном времени. Благодаря интеграциям, охватывающим финансовые, e-commerce и маркетинговые инструменты, платформа обеспечивает прозрачность и автоматизацию, необходимые брендам для уверенного роста. Чем вы будете заниматься Проектирование инфраструктуры данных (70% времени): Поддерживать активное, практическое участие в кодовой базе. Создавать основные библиотеки обработки данных, фреймворки для распределённых вычислений и высокомасштабируемые платформы данных на JavaScript (Node.js/NestJS) и Python, устанавливая золотые стандарты для команды разработчиков. Проектирование систем данных (30% времени): Проектировать и развивать надёжную мультитенантную архитектуру данных, способную одновременно обрабатывать огромные наборы данных и высокопроизводительные потоки в сотнях различных доменов данных. Качество данных и управление: Создавать надёжные шаблоны целостности данных и наблюдаемости. Уделять особое внимание надёжным рабочим процессам обработки, всесторонней валидации данных, автоматизированным проверкам качества и сквозной распределённой трассировке на всём жизненном цикле данных. Масштабирование конвейеров данных: Определять и внедрять эффективные архитектуры данных, высокопроизводительные шаблоны потоковой передачи и границы транзакций для обеспечения точной финансовой отчётности в реальном времени в масштабе. Техническое руководство и наставничество: Выступать в роли элитного технического эксперта для инженерной организации. Проводить всесторонние архитектурные ревью, повышать квалификацию старших инженеров и продвигать современные рабочие процессы DevOps, тестирования и развёртывания. Кого мы ищем Глубокий отраслевой опыт: Более 8 лет профессионального опыта в разработке ПО с подтверждённой историей проектирования, развёртывания и поддержки крупномасштабных решений по обработке данных и распределённой инфраструктуры данных. Многоязычное мастерство в инженерии данных: Высокая квалификация как в JavaScript/TypeScript (Node.js, NestJS), так и в Python, с умением создавать сложные конвейеры данных и распределённые системы, используя сильные стороны каждого языка. Продвинутая экспертиза в инженерии и архитектуре данных: Обширный опыт работы с распределёнными системами, высокомасштабируемыми решениями для хранения данных, оптимизацией запросов и сложными шаблонами архитектуры данных для массивных высокоскоростных наборов данных. Превосходное моделирование данных и проектирование схем: Экспертный уровень понимания реляционных (SQL) и нереляционных (NoSQL) баз данных, проектирования схем, сложной валидации данных, рабочих процессов маппинга и проектирования ETL-конвейеров. Настоящий менталитет строителя: Сильный архитектурный мыслитель, который активно отвергает подход «слоновой кости» и остаётся глубоко увлечённым выпуском качественного production-кода каждую неделю. Будет плюсом Непосредственный технический опыт в FinTech, SaaS-платформах для e-commerce или архитектурах потоковой передачи данных в реальном времени (например, Kafka, RabbitMQ). Знакомство с финансовыми агрегатами данных или банковскими сетями (например, Plaid, Yodlee, Stripe). Опыт настройки конвейеров приёма данных, оптимизированных для последующих моделей анализа AI/LLM.

Что предлагаем