Вакансия из Telegram канала - Название доступно после авторизации
Пожаловаться
Зарплата и рынок
Нижеразвернуть
240к ₽/мес
220к ₽290к ₽медиана330к ₽
По похожим ролям (35) ~ 290к ₽/мес
На международном рынке: $113к/год ($56к - $165к)
62
Хорошая вакансия
развернуть
Обязанности в DWH, контроле качества данных, MDM и прогнозировании описаны понятно, но такой широкий набор направлений может сделать повседневную работу насыщенной.
Ниже рынка
?Широкий круг задач
Современный стек
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
TL;DR
Аналитик данных (Demand Planning) (DWH/ETL): Построение аналитических витрин и ETL-процессов для Demand Planning с акцентом на качество данных, Master Data и прогнозирование. Focus on проектирование Data Marts, анализ источников, внедрение MDM и оценку отклонений факта от прогноза.
Позиция: Аналитик данных (Middle+/Senior) Вилка: 240 000 на руки Занятость: полная, с 9:00 до 18:00 по московскому времени Формат работы: Удаленный Локация: РФ Оформление: ИП Компания: MobileUp
Ищем инженера данных на стыке DWH-инженерии и планирования спроса. Вы будете строить аналитические витрины и ETL-процессы под Demand Planning, обеспечивать качество данных и мастер-данных, участвовать в прогнозировании и внедрении MDM.
Задачи:
- Анализ источников: наличие и полнота данных и полей.
- Маппинг полей между источниками и целевыми таблицами по потокам Open Orders, Primary Orders, Offtakes.
- Контроль качества данных, поиск аномалий, подготовка выгрузок для внешних вендоров.
- Процессный анализ (Offtake): причины проблем, узкие места и риски обновления данных в источнике.
- Контроль Master Data и консистентность в DP и SNP.
- Data Stewardship в Data Lake IBP (стандарты, порядок, актуальность).
- Участие во внедрении MDM.
Пожелания к кандидату:
- DWH: проектирование Data Marts; реляционные модели (связи, иерархии, справочники, детализация).
- ETL: Apache Airflow, Kafka, Spark.
- SQL: продвинутый (сложные JOIN, оконные функции, оптимизация).
- Python: обработка данных и аналитика.
- Data Quality: проверка целостности, выявление расхождений.
- Demand Planning: исторические данные, статпрогнозы; методы — регрессия, ансамбли, скользящие средние; метрики — MAE, RMSE, MAPE, WAPE, bias; анализ отклонений факт/прогноз.
Для откликов @Показать контакты
Будьте осторожны
Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →
Пожаловаться
Текст вакансии взят без изменений
Источник - Telegram канал. Название доступно после авторизации