Брайтис · Москва

Data Engineer — Брайтис

Исследовать источники данных: API маркетплейсов, структура, поля, ограничения. Писать ТЗ на интеграции для разработчиков и проверять результат; контролировать качество данных...

Коротко о вакансии

Зарплату работодатель не назвал — вилку обсуждают на собеседовании. В требованиях: clickhouse, python, postgresql, airflow, prefect. Компания нанимает активно — открытых позиций сейчас 9.

Описание вакансии

Наш клиент — ведущая B2B SaaS-платформа и технологический лидер в сфере автоматизации динамического ценообразования для e-commerce.
Компания разрабатывает высоконагруженную Enterprise-платформу, которая помогает крупным брендам, селлерам и ритейлерам автоматически управлять ценовыми стратегиями, анализировать конкурентов и максимизировать маржинальность на ключевых маркетплейсах.

Стек: Python, ClickHouse, PostgreSQL, Airflow / Prefect, Grafana, RabbitMQ

Чем предстоит заниматься:

  • Исследовать источники данных: API маркетплейсов, структура, поля, ограничения;
  • Писать ТЗ на интеграции для разработчиков и проверять результат; контролировать качество данных: полнота, дедупликация, валидация, аномалии;
  • Вместе с DBA проектировать хранение в ClickHouse (партиции, TTL) и PostgreSQL;
  • Строить ETL, считать метрики, собирать витрины для аналитиков; настраивать мониторинг и SLA обновления данных.
Мы ожидаем:
  • Обязателен опыт в e-commerce, ритейл-техе или бигтехе.
  • Нужно понимать, как устроена торговля и её данные: продажи, остатки, цены, заказы.
  • От 3 лет работы с данными в enterprise; уверенно знаешь SQL, ClickHouse и PostgreSQL, умеешь глубоко работать с БД;
  • Пишешь на Python: ETL, скрипты, оркестрация (Airflow или Prefect);
  • Умеешь работать без готового ТЗ, предлагаешь решения и берёшь ответственность.
Мы предлагаем:
  • Подчинение напрямую руководителю IT, без лишних уровней;
  • Команда IT 22+ человек;
  • Рост до Senior, архитектора данных или тимлида;
  • Отбор полностью онлайн: скрининг, лайв-кодинг, техинтервью с архитектором и финальная встреча.
  • Удаленный формат работы, официальное трудоустройство по ТК РФ.

Мы ждем твое резюме!

Вакансия опубликована 12 октября, проверена 25.10.2026. Открыть оригинал.

Ключевые навыки

ClickhousePythonPostgreSQLAirflowPrefectGrafanaRabbitMQ

Как откликнуться

Отклик оформляется на странице работодателя — кнопка выше ведёт туда напрямую. Перед отправкой стоит подогнать резюме под текст вакансии: работодатели читают первые строки и ищут в них свои слова. Если рассылаете отклики десятками, посмотрите сервис автооткликов — он отправляет их за вас по заданным настройкам, до 50 в сутки. Про сам поиск работы есть разбор в статье как быстро найти работу.

Спросите нейросети о вакансии

Отвечает DeepSeek по данным этой страницы: зарплата против рынка, условия, работодатель

Вопросы по этой вакансии

Сколько платят на позиции «Data Engineer»?

Вилку работодатель не назвал — обсуждать деньги придётся на собеседовании. Для ориентира: в среднем по направлению «Дата-сайентист» платят 183 000 ₽.

Какой опыт нужен?

В требованиях указано: от 3 до 6 лет. Формат работы удалённый, переезд не потребуется.

Вакансия ещё открыта?

Да, на 25.10.2026 она активна: каждую ночь каталог сверяется с источником, закрытые предложения помечаются и уходят из списков.

О компании

Брайтис

Брайтис — бутиковое рекрутинговое агентство, мы подбираем ключевых специалистов и управленцев в сегментах IT & FinTech, Банки и Страхование и Маркетинг. О нас: Мы — команда профессиональных сайте вакансийов с более чем 20‑летним опытом в рекрутменте и HR‑консалтинге. Работаем на стыке глубокого понимания отраслей и индивидуального подхода к каждому клиенту: от стартапов и быстрорастущих компани…

Открытых вакансий: 9

Похожие вакансии

Соседи по направлению с близкими требованиями.

AI Enablement Engineer / AI-консультант по внедрению LLM (Prompt Engineering, AI Automation)

Зарплата не указана

IBS · Москва

Помогать сотрудникам формулировать задачи для LLM. Анализировать бизнес-запросы и подбирать оптимальные AI-инструменты. Консультировать по использованию GPT, Claude, Gemini...

От 3 до 6 летДата-сайентистОпубликована 14 октября

Senior Data Scientist (Центр цифровых решений)

Зарплата не указана

СБЕР · Москва

Разрабатывать LLM-агентов и мульти-агентные системы — проектировать архитектуру, управлять памятью, планированием и вызовом внешних инструментов (function calling).

От 3 до 6 летДата-сайентистОпубликована 5 октября

Разработчик AI-решений (Москва, гибрид)

Зарплата не указана

DOGMA · Москва

Разрабатывать корпоративных AI-ассистентов, чат-ботов, copilot-сервисы и интеллектуальные интерфейсы для сотрудников и клиентов. Интегрировать внешние LLM через API...

От 3 до 6 летДата-сайентистОпубликована 23 октября

Lead/Senior data analyst

Зарплата не указана

Онлайн-школа Тетрика · Москва

Разобраться в экономике новых направлений: построить продуктовые метрики, North Star, unit-экономику (выручка, маржа, LTV, CAC). Вести общий бэклог инициатив...

Можно удалённоОт 3 до 6 летДата-сайентистОпубликована 23 октября

Специалист по работе с нейросетями (AI-специалист)

60 000 — 250 000 ₽-67% к среднему

Профиаи · Екатеринбург

Создавать и дорабатывать тексты, изображения и другой цифровой контент с помощью ИИ. — Помогать в создании чат-ботов и автоматизации бизнес...

Можно удалённоНет опытаДата-сайентистОпубликована 15 октября

Lead CV Data Scientist (Robotics SberAI)

Зарплата не указана

СБЕР · Москва

Планирование и координация работы команды. Коммуникация с внешними командами, анализ требований на разработку моделей и выработка плана решения.

Более 6 летДата-сайентистОпубликована 19 октября

Другие вакансии компании

IT Директор/CIO

Зарплата не указана

Брайтис · Москва

Формирование и реализация IT-стратегии в соответствии с целями бизнеса. Управление IT-командой и развитие организационной структуры. Пересборка команд, ролей...

От 3 до 6 летДиректор по информационным технологиямОпубликована 24 сентября

Расчёты по этой вакансии

Пригодится до собеседования: сколько останется на руки от названной суммы, как считаются отпускные и переработки.

Ещё по направлению

Модели машинного обучения, прогнозы и рекомендации: Python, статистика, продакшен.