Data analyst (scala)

Навыки

• API (интеграции)
• Самостоятельность
• BI-инструменты
• CAC / CPA / CPL
• Code review
• Дашборды и витрины
• Анализ данных

О компании и продукте

• 07 августа 2026 • г Москва • ПАО Сбербанк • Информационные технологии:Дата-сайентист
• команда Сбера в поиске Senior Data Analyst

Задачи

• писать код обработки данных на Scala DataFrame API (Apache Spark), с избегая SQL-подхода
• отвечать за Performance Tuning, устранение data skew и эффективное использование ресурсов кластера
• моделировать данные для корпоративного DWH с использованием Dimensional Modeling или Data Vault
• проектировать схемы, которые обеспечивают историчность, масштабируемость и надежность аналитических витрин
• поставлять командам DS/ML готовые к обучению датасеты
• Понимать особенности жизненного цикла ML-моделей — от подготовки признаков до их мониторинга в production-среде
• обрабатывать массивы текстов, изображений или логов, а также встраивать результаты работы генеративных моделей (LLM) в классические ETL-пайплайны аналитики
• читать планы выполнения запросов через Catalyst Optimizer, декомпилировать физические операции и находить узкие места производительности непосредственно в алгоритмах трансформации данных
• развивать инженерную культуру в команде: проводить код-ревью, вести разработку по GitFlow, писать модульные тесты и поддерживать высокий стандарт чистоты и поддерживаемости кодовой базы
• преобразовывать запросы бизнеса в четкие технические спецификации: определять требования к архитектуре потоков данных, частоте обновлений и формату хранения информации

Требования

• релевантный опыт работы от 3 лет на позиции Data-аналитика или Аналитика DWH\глубокой продуктовой аналитике
• опыт реализации проектов исключительно на Scala API DataFrame Apache Spark без использования SQL
• опыт полного цикла дизайна экспериментов от формулировки метрики успеха до пост-анализа результатов
• глубокое понимание статистики
• умение доказывать бизнесу влияние фичей на показатели, исключая внешние факторы и сезонность
• практический опыт применения продвинутых методов: синтетический контроль ( Synthetic Control/DID ), инструментальные переменные ( IV ), пропенсити-скор матчинг ( PSM )
• обязателен опыт вывода моделей в продакшен и их последующей эксплуатации
• организация процессов переобучения моделей
• интеграция выводов модели в принятие решений смежными командами через API или автоматизированные алерты
• свободное владение pandas для сложного трансформирования исследовательских датасетов
• подтвержденный опыт нахождения инсайтов, которые привели к изменению стратегии продукта и принесли измеримый финансовый результат (рост Retention, LTV, снижение CAC , прямое влияние на выручку или маржинальность)
• способность декомпозировать глобальные цели компании до конкретных действий аналитики
• опыт проектирования версионируемых витрин данных и семантических слоев ( BI-семантика )
• создание безопасной среды, позволяющей джуниор-аналитикам самостоятельно писать запросы без риска обрушить БД или получить некорректные данные

Условия

• офисный формат работы: г. Москва
• ежегодный пересмотр зарплаты и годовая премия
• более 400 образовательных программ в СберУниверситете для твоего развития
• спортзал и зоны отдыха
• расширенный ДМС, льготное страхование для семьи
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера
• срочный трудовой договор

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.