Инженер данных в DWH Лавки — RT/NRT и AI‑агенты

Развитие поставок данных. Вы будете проектировать и развивать RT/NRT‑поставки данных для разных сценариев работы продуктовых команд — например, для жизненного цикла заказа, работы сотрудников, складских операций и отслеживания доступности товаров. При этом нужно тщательно продумать, как будут взаимодействовать оперативный и batch‑контуры, и подобрать архитектуру, которая обеспечит нужную скорость, полноту, стоимость и надёжность данных. Проектирование RT‑данных

помогать системным аналитикам и продуктовым командам проектировать RT‑данные: подбирать источники и способы обработки, определять модель событий, контракты,

к свежести и качеству данных, а также прорабатывать правила работы с запаздывающими событиями и предварительными результатами. Поиск возможностей по RT‑данным. Вам нужно будет искать новые способы работы с RT‑данными, разрабатывать универсальные подходы и помогать внутренним заказчикам разобраться, какие

можно решить с их помощью. При этом проектирование прикладных агентов и бизнес‑сценариев останется за продуктовыми командами. Инженерные

и развитие DWH. В ваши

войдёт ведение инженерных задач: исследование процессов и источников данных, запуск решений в промышленную эксплуатацию, контролирование их работы и безопасное развитие DWH, который имеет большой граф зависимостей. Развитие AI‑агентов для DWH. Вы будете расширять возможности AI‑агентов в автономном DWH: предоставлять им качественный контекст и инструменты, устанавливать ограничения и проверки, оценивать результаты работы и превращать сложные случаи в новые сценарии автоматизации. Также

работать с нетиповыми инцидентами — выявлять их системные причины и на этой основе создавать новые проверки, инструменты и возможности для агентов. Больше о разработке в Яндексе — в канале Yandex for Developers

• Проектировали и поддерживали промышленные RT/NRT‑пайплайны, понимаете, чем их разработка и эксплуатация отличаются от batch‑обработки
• Занимались разработкой в крупном DWH или распределённой платформе, понимаете, как безопасно менять процессы с большим графом зависимостей
• Умеете проектировать надёжную обработку событийных данных с учётом задержек, повторной обработки и изменений источников
• Уверенно владеете Python и SQL, понимаете принципы моделирования данных, качества, наблюдаемости и надёжной эксплуатации
• Умеете превращать не до конца сформулированную бизнес‑задачу в модель данных и техническое решение, сравнивать архитектурные варианты, объяснять компромиссы и договариваться с владельцами источников
• Уже используете AI‑агентов в инженерной работе и хотите развивать подход, в котором человек управляет целями, качеством и архитектурой, а значительную часть реализации и поддержки выполняют агенты
• Готовы брать ответственность за результат поставки данных, а не только за написанный код
• Имели глубокий практический опыт работы с Apache Flink
• Практиковали построение lambda‑ или kappa‑архитектуры и объединение оперативного и batch‑контуров
• Запускали новое платформенное направление или развивали внутренние data‑продукты
• Практиковали проектирование data contracts и интеграцию нескольких продуктовых систем
• Разрабатывали инструменты, контекст, проверки или evaluation‑процессы для инженерных AI‑агентов