Дата-партнёр в команду DWH Практикума

Яндекс Практикум — это сервис для обучения взрослых людей IT- и digital-профессиям. На рынке нас отличает персональное сопровождение студентов. Для этого мы регулярно собираем и анализируем множество данных о них.

Эта работа была бы невозможна без команды аналитики и DWH в частности. Мы начали строить DWH три года назад и уже собрали команду, выбрали модель данных и даже разделили часть зон ответственности по доменам. Но пока команда скорее реагирует на конкретные запросы, а не решает проблемы бизнеса.

Мы стремимся к переходу от сервисной функции к концепции DWH под ключ. Она подразумевает, что аналитик или менеджер могут принести проблему в бизнесовой формулировке, а команда DWH решит её в рамках технических возможностей.

Какие задачи вас ждут

Переход к DWH под ключ
Нужно будет перестроить взаимодействие команды DWH с продуктовыми аналитиками, разработчиками и бизнесом так, чтобы стабильно поставлять полезные витрины для бизнеса.

Стабилизация процесса поставки данных
Чтобы DWH стабильно отдавало качественные витрины данных, нужно достроить процессы сбора требований, разработки, тестирования, приёмки и поддержки этих витрин. Причём ожидается, что в этих процессах вы будете активно использовать возможности LLM и сервисов вокруг них.

Мы ждем, что вы

• Знаете основные инструменты работы с данными: SQL, инструменты настройки ETL-процессов, например Airflow
• Видели или настраивали системы документирования данных и управления их качеством
• Руководили командой и достигли с ней значимых для бизнеса результатов
• Можете перевести задачу с языка бизнеса на технический и обратно
• Умеете управлять бэклогом разработки, опираясь на данные, вести проекты продолжительностью 3–6 месяцев и обучать этому других
• Умеете разбирать легаси параллельно с обеспечением бизнес-результатов
• Любите и умеете простыми словами объяснять, что такое DWH и зачем оно нужно бизнесу

Будет плюсом, если вы

• Управляли командой разработки
• Используете Python или другие языки программирования для автоматизации своей рутины
• Знаете базовые концепции LLM (как работают модели, агенты, RAG, MCP) и внедряли их в свою работу, работу команды разработки или системной аналитики