Intermediate Data Engineer

В роли Data Engineer в GitLab вы будете создавать, запускать и поддерживать конвейеры и инфраструктуру, которые доставляют данные из наших корпоративных приложений, внутренних систем и платформы GitLab как программного обеспечения по модели «программное обеспечение как услуга» (SaaS) в нашу платформу данных. Ваша работа станет основой для корпоративной отчётности, науки о данных и самообслуживания в области искусственного интеллекта (AI).

Вы будете отвечать за функциональность от начала до конца: от интеграции с источником до протестированных, отслеживаемых и задокументированных данных, готовых к использованию. Вы будете заботиться о том, чтобы платформа оставалась надёжной, безопасной и экономически эффективной по мере роста объёмов данных и использования AI, а также подготавливать данные под управлением политик для AI-инструментов, агентов и доступа на основе Model Context Protocol (MCP). Это роль с подходом AI-first: вы будете ежедневно использовать AI-агентов для написания кода, сохраняя высокие стандарты код-ревью и тестирования. Вы будете подчиняться Director, Data Platform.

• Создавать, расширять и поддерживать конвейеры извлечения, загрузки и преобразования (ELT) данных из корпоративных приложений, таких как Salesforce, Zuora, Zendesk и Marketo, внутренних систем и платформы GitLab SaaS. Интегрировать данные через программные интерфейсы приложений (API) и источники событий, такие как Snowplow.

• Управлять инфраструктурой платформы и поддерживать её, включая SaaS-инструменты, такие как Snowflake, Fivetran и Monte Carlo, и самостоятельно управляемые сервисы, такие как Airflow и Kubernetes.

• Писать поддерживаемый, хорошо протестированный и производительный код на Python и языке структурированных запросов (SQL), соответствующий нашим внутренним стандартам, и проверять merge request'ы членов команды GitLab.

• Отвечать за ежедневную работу платформы: проводить первичный разбор и устранять сбои конвейеров, проблемы инфраструктуры и запросы членов команды GitLab. Использовать мониторинг, соглашения об уровне обслуживания (SLA), контракты данных, настройку запросов и хранилища, а также проверки качества данных, чтобы платформа оставалась надёжной и экономически эффективной.

• Сотрудничать с Analytics Engineers, Data Analysts, Data Scientists, Data Governance и бизнес-партнёрами, чтобы данные поступали в той форме, которая нужна им для дальнейшего использования.

• Использовать AI-агентов для написания кода, таких как Claude Code, OpenCode, GitLab Duo или аналогичные инструменты, чтобы ускорять разработку, отладку, тестирование и документирование, не снижая строгости проверки.

• Применять управление доступом на основе ролей (RBAC) и политики маскирования, чтобы делать данные под управлением политик доступными для AI-инструментов и агентов. Безопасно работать с данными, подпадающими под контроль Sarbanes-Oxley (SOX), существенной непубличной информацией (MNPI) и персональными данными.

• Самостоятельно выпускать функциональность среднего объёма небольшими итеративными merge request'ами, а также документировать архитектуру и runbook'и в handbook.

• Профессиональный опыт выпуска производственных конвейеров данных на Python.

• Глубокие практические навыки SQL и опыт работы с облачным хранилищем данных; предпочтителен Snowflake.

• Практический опыт работы с конвейерами ELT или извлечения, преобразования и загрузки (ETL) в больших масштабах, включая инкрементальные загрузки, изменения схемы, backfill'ы и приём данных через API.

• Опыт работы с инструментами оркестрации, такими как Airflow, знакомство с dbt и прочные основы моделирования данных, включая размерностное моделирование по Kimball.

• Опыт эксплуатации и диагностики инфраструктуры данных, уверенная работа с процессами на основе Git, непрерывной интеграцией и непрерывной поставкой (CI/CD) и код-ревью.

• Практический опыт использования AI-инструментов для написания кода в повседневной работе, понимание того, где они помогают, а где не справляются.

• Чёткая письменная коммуникация, умение пользоваться GitLab и комфортная работа в асинхронном режиме в полностью удалённой организации в соответствии с ценностями GitLab.

• Предпочтительно, но не обязательно: опыт работы со Snowflake; Docker, Kubernetes, Google Cloud Platform (GCP) или Terraform; API SaaS-приложений, таких как Salesforce, Zuora или Zendesk; инструменты наблюдаемости данных; или администрирование Snowflake.

• Льготы для поддержки вашего здоровья, финансов и благополучия

• Гибкий оплачиваемый отпуск

• Группы ресурсов для членов команды (Team Member Resource Groups)

• Компенсация в виде акций и План приобретения акций сотрудниками (Employee Stock Purchase Plan)

• Фонд роста и развития

• Отпуск по уходу за ребёнком