Аналитик данных

Обязанности

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.