Data аналитик

1. Образование и опыт:

• Высшее образование (техническое, математическое, экономическое или в области информационных технологий).
• Опыт работы data‑аналитиком или аналитиком данных не менее 3-5 лет, в т.ч. с большими массивами данных.
• Опыт работы с государственными информационными системами (ГИС) либо проектами для федеральных органов исполнительной власти (ФОИВ) будет преимуществом.

2. Технические навыки:

• SQL: написание сложных запросов для выборки, фильтрации, агрегации и сопоставления данных между разными таблицами и базами данных; работа с оконными функциями, подзапросами, CTE (Common Table Expressions).
• Языки программирования:
  • Python (с библиотеками pandas, numpy, matplotlib, seaborn, scipy и т. д.) для анализа и обработки данных;
  • Опционально — R для статистического анализа.
• Работа с большими данными: опыт использования инструментов экосистемы Hadoop (Hive, Spark) или аналогичных платформ для обработки больших массивов данных.
• ETL‑процессы: понимание принципов извлечения, трансформации и загрузки данных; опыт работы с ETL‑инструментами (Apache NiFi, Talend, Informatica и др.).
• BI‑системы и визуализация: опыт работы с Power BI, Tableau, Qlik Sense, Yandex Datalens или отечественными аналогами (например, «N3.Аналитика») для построения отчётов и дашбордов.
• Форматы данных и API:
  • Работа с JSON, XML, CSV;
  • Взаимодействие с REST API и SOAP для интеграции и выгрузки данных.
• Базы данных: опыт работы с реляционными (PostgreSQL, Oracle, MS SQL Server) и, при необходимости, NoSQL‑системами (MongoDB, Cassandra).
• Контроль качества данных (Data Quality):
  • Выявление дубликатов, пропусков, аномалий;
  • Проверка целостности и согласованности данных между системами;
  • Применение метрик качества данных (полнота, точность, актуальность, непротиворечивость).
• Архитектура данных:
• Проектирование и оптимизация схем PostgreSQL/MySQL для high-load систем, включая partitioning, indexing и data warehousing.
• Продвинутый анализ: сложные SQL-запросы с оконными функциями, CTE, materialized views; интеграция с Python/Pandas для предиктивного моделирования.
• Автоматизация и BI: разработка дашбордов в Tableau/Superset/Power BI, автоматизация ETL-процессов (Airflow/DBT), A/B-тестирование.
• Качество и governance: аудит данных, anomaly detection, data lineage; лидерство в data quality frameworks.
• Стратегия: менторство junior-аналитиков, кросс-функциональные проекты с product/engineering, ROI-анализ инициатив.

3. Профессиональные компетенции:

• Анализ и сопоставление данных:
  • Сопоставление сведений между различными ГИС и другими информационными системами (ресурсами);
  • Выявление расхождений, дублирования и противоречий в данных;
  • Построение маппингов (сопоставлений) полей и сущностей между разными источниками.
• Оценка качества данных:
  • Аудит баз данных на полноту и актуальность сведений;
  • Разработка и применение правил валидации данных;
  • Формирование отчётов о качестве данных с указанием проблемных зон.
• Мониторинг бизнес‑процессов:
  • Контроль соответствия исполнения бизнес‑процессов требованиям заказчика и/или оператора информационного ресурса (системы);
  • Анализ отклонений и подготовка предложений по оптимизации процессов.
• Подготовка отчётности:
  • Автоматизация рутинных выгрузок и отчётов;
  • Составление справочных материалов и аналитических записок для руководства;
  • Визуализация результатов анализа (графики, диаграммы, дашборды).
• Оценка работы команды:
  • Анализ качества работы разработчиков, аналитиков и специалистов по базам данных;
  • Формирование обратной связи и рекомендаций по улучшению процессов и результатов.

4. Знание нормативной базы и специфики:

• Понимание законодательства РФ в области персональных данных (152‑ФЗ), информационной безопасности (149‑ФЗ, 187‑ФЗ) и требований к ГИС (в т. ч. приказа ФСТЭК № 17), знание постановления Правительства РФ от 6 июля 2015 г. № 676 «О требованиях к порядку создания, развития, ввода в эксплуатацию, эксплуатации и вывода из эксплуатации государственных информационных систем и дальнейшего хранения содержащейся в их базах данных информации».
• Знание стандартов и регламентов федеральных органов исполнительной власти в части работы с данными и отчётностью.
• Осведомлённость о принципах управления данными (Data Governance) и архитектуры государственных информационных систем, включая платформу «ГосТех».

5. Личностные и коммуникативные качества:

• Аналитическое мышление, внимание к деталям, способность выявлять закономерности в больших массивах данных.
• Ответственность и исполнительность: умение чётко следовать требованиям заказчика и оператора информационного ресурса.
• Коммуникабельность: способность эффективно взаимодействовать с разработчиками, аналитиками, руководителями и представителями ФОИВ.
• Умение чётко формулировать выводы и представлять результаты анализа в доступной форме (как в виде таблиц и графиков, так и в текстовом виде).
• Способность работать в условиях многозадачности и сжатых сроков.

6. Дополнительные преимущества:

• Опыт внедрения или сопровождения систем класса MDM (Master Data Management) для государственных нужд.
• Навыки работы с инструментами мониторинга и логирования (например, ELK Stack, Grafana).
• Базовые знания в области машинного обучения и прогнозной аналитики (для перспективных задач).
• Сертификаты по аналитике данных, BI‑системам или управлению данными (например, от вендоров ПО или профильных образовательных платформ).

7. Условия:

• Доход: 200 000 руб.
• Стабильность: аккредитованная IT-компания, ТК РФ, релокация.
• График: 5/2 (9:00–18:00)