Analytics Engineer (Ops Analytics)

[https://app.ashbyhq.com/api/images/user-content/586ac3cb-f234-40cf-96fd-3daae8c41309/3a2721ac-0cf6-4bb5-a785-483b8d1018c3/Ashby_header.png] Що варто знати про SKELAR? Це венчур-білдер — іншими словами, компанія, яка будує компанії. З нами фаундери створюють consumer-бізнеси, які стають лідерами на глобальних ринках EdTech, Mental health, Petcare, FashionTech та інших. Скеларівці будують tech-продукти, які здобувають відзнаки від Product Hunt, The Webby Awards та отримують тисячі позитивних відгуків на TrustPilot. Загалом tech-продуктами наших бізнесів користуються 10+ млн людей у світі. Усе завдяки сильним командам, бо наші спеціалісти — це ключова цінність SKELAR. Для професійної реалізації ми створили середовище з експертизою та необмеженими можливостями — і шукаємо тих, хто прагне викликів. Зараз ми в пошуку Analytics Engineer, щоб разом піднімати планку результату. 🎯 ЯКЩО ТЕБЕ ДРАТУЮТЬ НЕЯКІСНІ ДАНІ БІЛЬШЕ, НІЖ ПОГАНИЙ WI-FI — МИ ВЖЕ МАЄМО ПРО ЩО ПОГОВОРИТИ. Ми шукаємо не просто SQL-спеціаліста. Ми шукаємо людину, яка дивиться на хаотичні дані й бачить систему. Яка не може спокійно пройти повз дублікати, неконсистентні метрики чи неоптимальний запит. Яка готова сперечатися за якість даних так само впевнено, як інші сперечаються про архітектуру. У нас Analytics Engineer — це інженер аналітичної платформи. Людина, яка будує надійний фундамент для десятків аналітиків, сотень бізнес-рішень і мільярдів подій. Чим ти будеш займатися - Будувати та підтримувати аналітичні шари даних (Raw → Staging → Marts). - Очищати, стандартизувати та збагачувати дані з десятків різних джерел. - Проєктувати моделі даних, які залишаються зрозумілими навіть через кілька років. - Робити BigQuery швидшим, дешевшим і розумнішим. - Оптимізувати SQL не лише для правильного результату, а й для мінімальної вартості виконання. - Будувати процеси контролю якості даних та автоматичні перевірки. - Робити так, щоб бізнес довіряв цифрам без додаткових перевірок. - Бути тим самим незручним колегою, який помітив проблему ще до того, як вона стала інцидентом. Виклики, які тебе чекають - Побудова надійного аналітичного шару даних (Raw → Staging → Marts) для складної продуктової екосистеми з десятками джерел та мільярдами подій. - Проєктування моделей даних та оптимізація BigQuery-запитів там, де швидкість і вартість виконання безпосередньо впливають на бізнес. - Усунення розривів між потребами аналітиків (Data Analytics) та можливостями дата-інженерії (Data Engineering) — часто в умовах неповної або суперечливої інформації. - Побудова стандартів якості даних у середовищі, де їх потрібно створити практично з нуля. - Пошук причин системних проблем, а не нескінченне лікування їхніх симптомів. На що ти реально будеш впливати - Надійність та антикрихкість всієї аналітичної екосистеми. - Довіру бізнесу до даних та швидкість прийняття рішень. - Вартість обчислень у BigQuery та ефективність аналітичної інфраструктури. - Якість роботи кожного аналітика, який використовує створені тобою моделі. Що для нас важливо - Впевнене володіння SQL та BigQuery (partitioning, clustering, оптимізація запитів). - Системне та критичне мислення. Ми шукаємо людину, яка бачить проблему в архітектурі, а не лише в конкретному SQL. - Алгоритмічне мислення — вміння розкласти будь-яку задачу на логічний ланцюжок дій. - Маніакальна уважність до деталей. Ми цінуємо людей, яких буквально "свербить", коли дані неконсистентні. - Скрупульозність. Якщо після твого рев'ю ніхто більше не хоче пушити код без перевірки — це скоріше комплімент. Буде великим плюсом - Досвід роботи з dbt або Dataform. - Розуміння Git та базового CI/CD для аналітичного коду. - Знання Python. - Глибоке розуміння внутрішніх механізмів Tableau: як працюють Extracts, Live Connections, Hyper, Context Filters, LOD, кешування, порядок виконання запитів та інші особливості, що дозволяють значно пришвидшувати дашборди й зменшувати навантаження на інфраструктуру. - Використання AI як інженерного інструменту, а не як заміни власного ми...