Аналитик данных

Мы - команда, создающая комплексную систему противодействия мошенничеству на базе технологий BigData с набором аналитических инструментов для многомерного изучения объектов и включающую в себя инструменты собственной разработки для:

• Построения графа связей (инструмент анализа объектов и их свойств, а также их связи с другими объектами различных уровней и характеристик, применяется для получения дополнительных знаний об объекте за счет извлечения знаний о его окружении, выявления наиболее значимой информации, центров влияния, групп связанных объектов, цепочек)
• Геопространственой аналитики: инструменты графической визуализации особенностей географических локаций, их оценок в различных контекстах, сравнения и сопоставления в различных временных интервалах, построения маршрутов и тепловых карт
• Выявления и анализа попыток мошенничества и иных отклонений, обработки внутренних событий, присвоения итоговых резолюций по результатам рассмотрения кейсов и выявления новых поведенческих схем
• Портфеля технологичных сервисов накопления и обработки больших объемов данных со сложной структурой

Наш передовой технологический стек:

• Big Data - Hadoop, Scala, Spark, Casandra, ClickHouse, Elasticsearch, FastGraph
• Scala, Zio, Openshift, PostgreSQL
• React, Redux (Redux ToolKit, RTK Query), Typescript, jest. Библиотеки: D3.js, react-force-graph, leaflet. UI/UX design
• QA - Scala, TestNG, Selenium, Maven, Allure
• DevOps - Docker, Kubernetes, Helm, Jenkins, ELK

Обязанности

• Анализ источников данных;
• Обеспечение прозрачности и точности в сборе данных, отчетности и визуализации;
• Внедрение новых интеграций и аналитических методик;
• Компиляция данных из различных источников;
• Создание ETL-процессов.

Требования

• Уверенное знание SQL: сложные запросы, аналитически функции, понимание физической реализации join’ов, оптимизация производительности запросов;
• Опыт создания читабельных Jupyter-ноутбуков;
• Знакомство с основными аналитическими библиотеками Python (pandas, numpy, scipy, statsmodels, pychart);
• Понимание принципов организации хранилищ данных, подходов к проектированию логической и физической моделей, понимание основной проблематики хранилищ и подходов к решению;
• Опыт работы в GIT.

Будет плюсом

• Знания экосистемы Hadoop: HDFS, Spark, Scala;
• Понимание основ математической статистики и теории вероятностей, умение применять их при решении аналитических задач;
• Опыт принятия продуктовых решений на основании данных;
• Знание базовых ML-подходов;
• Будет плюсом знания DG (data governance);
• Опыт написания технической документации.

Условия

• Инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти;

• Среда для обмена знаниями – высокая экспертиза внутри команды;

• Сплоченную команду, работающую над общими задачами и умеющая хорошо отдыхать;

• Нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам

• Стабильную заработную плату и приятный годовой бонус;

• Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом;

· Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;

• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров;

• Вознаграждение за рекомендацию друзей в команду Сбера.