Data Engineer (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 Data Engineer, щоб разом піднімати планку результату. Виклики, які чекають на цій ролі: - Обʼєм даних - десятки рекламних мереж і платформ, сотні таблиць з сирими даними та тисячі аналітичних процесів щодня. - Вартість запитів - при обсягах у сотні TB на день, невдалий запит без партиціонування — це різниця між витраченими $0.05 або $100+. - Швидкість vs точність - маркетинг хоче коректний звіт "зараз", дані оновлюються з лагом 1-24 год. - Приватність — PII-поля потребують окремої обробки на кожному етапі pipeline. На що ти будеш впливати: - Бюджетні рішення - неточний ROAS = гроші йдуть у неефективний канал. - Швидкість масштабування кампаній - затримка звіту на годину = втрачене вікно для оптимізації. - Довіра команди до цифр - одна помітна помилка підриває довіру до всіх наступних звітів. - Compliance-ризики - неправильна обробка PII = юридичні наслідки. Що для нас важливо: - Розуміння того, що дані — це не звіт, а сигнал, який напряму керує рекламними алгоритмами: ми генеруємо ~80 000 оптимізаційних подій щодня, і кожна помилка в них конвертується в реальні втрачені гроші. - Ідеальне знання SQL — вміння писати ефективні запити на великих обсягах (мільйони рядків/день), розуміти партиціонування, кластеризацію і вартість запитів у BigQuery. - Досвід роботи з dbt (Dataform — плюс) — вміння будувати і підтримувати трансформації як код, з тестами і документацією, а не через разові скрипти. - Data modeling — здатність спроєктувати структуру даних так, щоб вона витримувала ріст компанії, а не ламалась при кожній новій вимозі бізнесу. - Уважність до деталей на рівні пайплайну — вміння помітити аномалію в потоці подій раніше, ніж це зробить бюджет кампанії. - Вміння працювати на стику продукту, маркетингу і реклами — розуміти, що "подія" це не просто рядок в таблиці, а сигнал, який летить у Meta, Google, TikTok і формує майбутній таргетинг. - Проактивність: готовність не просто фіксувати проблему постфактум, а вибудовувати моніторинг і алерти, які ловлять збій у зборі подій до того, як він вплине на кампанії. Буде перевагою: - Python — для автоматизації рутинних процесів, написання скриптів валідації даних, кастомних інтеграцій з рекламними API. - Досвід побудови ETL/ELT пайплайнів "з нуля" — не лише трансформації в dbt, а й розуміння повного шляху даних: від джерела (рекламні мережі, пікселі, CRM) до аналітичної вітрини. - CI/CD для дата-пайплайнів — досвід автоматизованого тестування і деплою трансформацій (наприклад, через GitHub Actions чи аналоги), щоб зміни в моделях не ламали продакшн непомітно. - Розуміння контексту performance-маркетингу — що таке ROAS, CAC, LTV, атрибуція, оптимізаційні події, воронка від кліку до конверсії; досвід роботи з даними рекламних платформ (Meta, Google, TikTok) — величезний плюс, бо дозволяє розуміти "навіщо" за кожною метрикою, а не лише "як" її розрахувати. У SKELAR ми побудували середовище для професійної самореалізації: - SKELAR Platform. Це операційне ядро венчур-білдера, що допомагає фаундерам швидше проходити шлях від нуля до одиниці. Так команди бізнесів фокусуються на продукті — а 10+ команд в складі Platform закривають функції Legal, Finance, HR, Admin, Talent Acquisition, Emp