Команда DWH агрегирует в себе накопленную экспертизу и лучшие практики холдинга в области построения хранилищ данных и аналитических приложений. Мы превращаем информационный хаос в четко организованную систему, которая позволяет собирать, обрабатывать и анализировать любые объемы данных. В нашей команде убеждены, что системы хранилищ данных должны максимально помогать людям — автоматизировать рутинные задачи, собирать и анализировать сырые данные, подготавливать почву для удобного и аргументированного принятия  решений.

Мы ищем BigData инженера, готового принять активное участие в разработке одного из крупнейших хранилищ группы компании: десятки петабайт данных, количество узлов кластера более 400, ежедневный прирост информации составляет десятки тб. В хранилище собрана информация большинства ключевых бизнес-юнитов компании, которая описывает поведение пользователей рунета: события посещений сайтов, клики\показы рекламы, использование мобильных приложений, профили соц.сетей пользователя, действия пользователей в соц.сетях и их публичные сообщения и т.д. Все это позволяет составить достаточно полную картину поведения пользователя во всех сервисах mail.ru и строить на полученных данных сложные математические модели.

Наш стек технологий включает, но не ограничивается:

• Database Systems: MySQL, Tarantool, ClickHouse.
• Hadoop: Hive, Spark, MapReduce, Kafka.
• DataFlow / ETL: Luigi, Airflow.
• Business Inteligence: Tableau,  Redash, SuperSet.
• Continuous Integration: Jenkins, GitLab CI.
• IssueTracking / KnwoledgeBase : Jira, Confluence.
• Monitoring: Sentry, Graphite, Grafana, Prometheus, Telegraf.

Задачи

• Участие в роли BigData Engineer в проекте построения системы обработки и хранения разнородной информации из различных бизнес-юнитов компании на базе Hadoop (BigData DWH);
• Исследование большого объема необработанных данных, накопленных в компании;
• Построение и оптимизация нетривиальных ETL процессов обработки больших данных, участие в построении процессов потребления данных на всех этапах, их трансформации от появления информации в конкретном Бизнес Юните до монетизации полученных знаний;
• Взаимодействие с командой Data Scientist и совместная реализация стабильного расчета математический моделей;
• Поддержка и модификация созданного решения, ответственность за доступность сервиса для внутренних потребителей и корректность предоставляемых для принятия решений данных.

Требования

• Не менее года релевантного опыта работы;
• Опыт работы с большими объемами данных, понимание стека технологий hadoop, глубокое знание Spark или Hive (плюсом будет знание Java, Scala в контексте обработки больших данных);
• Опыт организации ETL процессов обработки данных (плюсом будет знание code-driven ETL Luigi, Airflow);
• Знание классических алгоритмов и структур данных (плюсом будет опыт разработки на python);
• Знания в области теории обработки и хранения информации;
• Ссылки на публичные репозитории, статьи с примерами работы приветствуются.