Флаувау · Москва

Senior Data Engineer — Флаувау

Свой фреймворк Data Vault — моделирование хранилища как код, а не как набор ручных SQL-скриптов. Обвязка вокруг Airflow — собственные операторы...

Опубликована сегодня

Коротко о вакансии

Зарплату работодатель не назвал — вилку обсуждают на собеседовании. В требованиях: python, математическая статистика.

Описание вакансии

Кто мы и что строим

Flowwow — международный маркетплейс подарков. Под ним работает Data Platform, которую мы построили с нуля: не «настроили managed-сервисы», а спроектировали и написали сами — от storage-слоя до AI-агентов поверх данных.

Это lakehouse на Apache Iceberg + Trino, со Spark для тяжёлых вычислений, CDC-пайплайнами на Kafka/Debezium, всё в Kubernetes. Поверх этого — большой слой собственного кода:

  • свой фреймворк Data Vault — моделирование хранилища как код, а не как набор ручных SQL-скриптов;

  • обвязка вокруг Airflow — собственные операторы, хуки, генерация DAG'ов, инструменты тестирования пайплайнов;

  • самописный lineage и инструменты наблюдаемости данных;

  • AI-слой: агенты на LangGraph + MCP, которые расследуют инциденты, анализируют качество данных и помогают команде в рутине.

Мы — команда инженеров, а не операторов ETL. Бо́льшая часть нашей работы — это Python-разработка: библиотеки, фреймворки, сервисы, которыми пользуется вся дата-вертикаль компании.

Почему эта роль интересная

Это позиция Senior DE с сильным уклоном в платформенную разработку. Не «писать пайплайны по тикетам», а проектировать инструменты, из-за которых пайплайны пишутся в разы быстрее — или не пишутся руками вообще.

Вы будете работать с lakehouse-стеком на уровне внутренностей: оптимизация Trino-запросов и работа с коннекторами, maintenance Iceberg-таблиц (компакция, snapshot expiration, position/equality deletes — мы знаем эту боль изнутри), эволюция схем, REST-каталог. Это та глубина, которая редко встречается в продуктовых компаниях.

И второе: мы AI-native команда. Claude Code и аналогичные инструменты — часть ежедневного рабочего процесса, а не эксперимент по пятницам. Мы строим harness-системы вокруг LLM: агентов с инструментами, автоматизацию code review, ассистентов для написания DAG'ов. Если вам близко состояние, когда ты проектируешь систему, а агент под твоим контролем выполняет рутину — вам у нас понравится.

Что нужно делать:
  • Развивать ядро платформы: фреймворк Data Vault, обвязку Airflow, lineage-инструменты — проектировать API, которыми будут пользоваться другие инженеры, и нести за них ответственность.

  • Писать библиотеки и фреймворки на Python: клиенты к источникам, инструменты тестирования пайплайнов, обёртки над инфраструктурой. Чистый код, типизация, тесты, ревью — это у нас норма, а не аспирация.

  • Работать с lakehouse на глубине: Iceberg maintenance и оптимизация layout'а таблиц, тюнинг Trino, Spark-джобы для тяжёлых трансформаций.

  • Строить интеграции с источниками: OLTP-базы, REST/gRPC API, Kafka, файловые хранилища, SaaS-системы — и проектировать унифицированные интерфейсы, чтобы подключение нового источника занимало часы, а не недели.

  • Внедрять AI в инженерные процессы: агенты для расследования инцидентов и анализа качества данных, ассистенты для DAG'ов и code review. У нас уже есть работающая агентная инфраструктура (LangGraph, MCP) — её можно и нужно развивать.

  • Участвовать в архитектурных решениях: выбор технологий, дизайн интерфейсов между компонентами, вынесение best practices в команду.

  • Делать code review и менторить менее опытных коллег.


Наши ожидания:
  • Промышленный опыт от 5 лет в data engineering или backend-разработке с сильным дата-уклоном: production-системы под реальной нагрузкой, ответственность за их эксплуатацию, а не только за написание кода.

  • Python — главное требование. Уровень senior разработчика: ООП, проектирование API библиотек, типизация, тесты, опыт написания переиспользуемых компонентов, которыми пользовались другие люди.

  • Lakehouse-стек на практике. Apache Iceberg (или Delta/Hudi с готовностью быстро переключиться): устройство таблиц, snapshots, компакция, schema evolution. Понимание, чем lakehouse отличается от классического DWH не на уровне статьи на Medium.

  • Trino или другой MPP-движок: архитектура распределённого выполнения, чтение планов запросов, оптимизация, опыт работы с коннекторами.

  • Apache Airflow глубоко: не только разработка DAG'ов, но и внутреннее устройство (scheduler, executors, метаданные), опыт написания собственных операторов и хуков.

  • Apache Spark: PySpark, Spark SQL, понимание модели выполнения.

  • SQL продвинутого уровня: оконные функции, CTE, оптимизация, чтение планов исполнения, работа с большими объёмами.

  • Git, CI/CD — уверенно.

Будет сильным плюсом
  • Опыт разработки внутренних платформенных инструментов или фреймворков, которыми пользуются другие команды.

  • AI-native подход к разработке: активное использование Claude Code / Codex и подобных инструментов, опыт построения harness-систем — агентов с инструментами, автоматизации через LLM, RAG.

  • Kubernetes: деплой и эксплуатация дата-сервисов, Helm, понимание ресурсной модели.

  • Опыт с CDC (Debezium, Kafka Connect) и стриминговыми пайплайнами.

  • Знание форматов хранения (Parquet: row groups, статистики, predicate pushdown).

  • Опыт работы с системами контроля доступа к данным (OPA, row-level security, маскирование).

Вакансия опубликована 18 ноября, проверена 19.11.2026. Открыть оригинал.

Ключевые навыки

PythonМатематическая статистика

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 «Senior Data Engineer»?

Вилку работодатель не назвал — обсуждать деньги придётся на собеседовании. Для ориентира: в среднем по направлению «Дата-сайентист» платят 174 000 ₽.

Какой опыт нужен?

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

Вакансия ещё открыта?

Да, на 19.11.2026 она активна: каждую ночь каталог сверяется с источником, закрытые предложения помечаются и уходят из списков.

О компании

Флаувау

Флаувау — маркетплейс цветов и подарков. Здесь тысячи людей каждый день находят для себя и близких необычные товары от местных производителей в 950 городах России. Доставка в крупных городах от 30 минут.   Ядро нашего бизнеса — качественный удобный сервис, который делает счастливыми тысячи людей по всему миру. Мы помогаем локальным брендам найти клиентов, а клиентам — радовать себя и друг друга д…

Похожие вакансии

Соседи по направлению с близкими требованиями.

Data Scientist

Зарплата не указана

ВСК, САО · Москва

Поддержание, дообучение текущего портфеля моделей. Проведение исследований по поиску новых переменных из внутренних и внешних источников с целью улучшения метрик...

От 3 до 6 летДата-сайентистОпубликована 18 ноября

MLOps-инженер (Python, Kubernetes, CI/CD)

Зарплата не указана

ИЦ АЙ-ТЕКО · Москва

Выстраивать и автоматизировать жизненный цикл ML-моделей: обучение, валидацию, регистрацию версий, развертывание, мониторинг, обновление и откат. Организовывать пакетный и онлайн...

От 3 до 6 летДата-сайентистОпубликована 27 октября

Ведущий инженер сопровождения DWH (SQL, Greenplum, Airflow)

Зарплата не указана

USETECH · Москва

Сопровождение и анализ существующих процессов загрузки данных. Мониторинг ETL-процессов, выявление и устранение аномалий. Тестирование и внедрение доработок в продуктивную...

Можно удалённоОт 3 до 6 летДата-сайентистОпубликована 18 ноября

Middle ML-инженер (NLP)

Зарплата не указана

Rambler&Co · Москва

Разрабатывать и поддерживать ML-модели для классификации текстового и визуального контента. Строить пайплайны от подготовки данных и обучения до внедрения...

Можно удалённоОт 3 до 6 летДата-сайентистОпубликована 18 ноября

Data Engineer

Зарплата не указана

Петрович-Тех · Санкт-Петербург

Разработка хранилища данных на базе ClickHouse. Построение ETL-процессов. Написание / оптимизация / профилирование SQL/NoSQL запросов. Расчет сложных аналитических показателей в...

Можно удалённоОт 3 до 6 летДата-сайентистОпубликована 18 ноября

Middle Data analyst

Зарплата не указана

СБЕР · Москва

Разработка логики стратегии принятия решений в области Комплаенс риска на основании data-driven подходов. Изучение процесса выявления схем легализации и...

Более 6 летДата-сайентистОпубликована 2 ноября

Другие вакансии компании

Бренд-менеджер

Зарплата не указана

Флаувау · Москва

Развивать и актуализировать бренд-платформу, позиционирование, атрибуты бренда, ToV. Разрабатывать стратегические и креативные брифы, формировать ключевые сообщения и коммуникационные гипотезы...

Можно удалённоОт 3 до 6 летБренд-менеджерОпубликована 29 октября

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.