Senior Data Quality Engineer

Мы ищем Senior Data Quality Engineer, который возьмёт на себя ответственность за качество данных, наблюдаемость и операционную надёжность на протяжении всего жизненного цикла данных.

В этой роли ваш основной фокус — сами данные: мониторинг их качества и состояния, использование структурированных подходов к валидации данных и применение практик QA, выявление и расследование аномалий, решение инцидентов, связанных с данными, и улучшение процессов для предотвращения повторения проблем. Вы будете работать на всех этапах жизненного цикла данных и тесно сотрудничать с командами engineering, product и analytics, чтобы обеспечить надёжные и высококачественные данные.

Если вы относитесь к данным как к продукту, любите решать сложные проблемы с данными и хотите повысить надёжность операций с данными в масштабе, будем рады пообщаться.

• Data Quality & Observability: Определять и поддерживать требования к качеству и наблюдаемости данных, метрики и SLA. Устанавливать мониторинг и контроль для обеспечения точности, полноты, согласованности, своевременности и общей надёжности данных.
• Monitoring & Alerting: Создавать и поддерживать мониторинг, дашборды и оповещения для проактивного выявления аномалий, дрейфа данных, дубликатов, отсутствующих или задержанных данных и других проблем качества.
• Incident Investigation & Remediation: Вести жизненный цикл инцидентов с данными от начала до конца — от обнаружения и первоначальной оценки до расследования, анализа корневой причины, исправления и профилактических действий.
• Data Lifecycle: Понимать ключевые этапы, от ingest и transfer данных до обработки, трансформации, хранения и потребления. Понимать типичные проблемы, которые могут возникать на этих этапах, и их потенциальное влияние на качество получаемых данных.
• Automation & Coverage: Расширять автоматизированные проверки качества данных и операционные контроли для раннего обнаружения проблем, снижения ручной работы и повышения надёжности и охвата валидации данных.
• Cross-Functional Collaboration: Тесно работать с developers, product managers, analysts и другими командами для расследования проблем с данными, уточнения требований, улучшения операционных процессов и обеспечения долгосрочных улучшений качества.
• Documentation: Поддерживать и развивать документацию, охватывающую требования к качеству и мониторингу данных, процессы управления инцидентами, результаты расследований и подходы к предотвращению повторяющихся проблем.

• Relevant Experience: 5+ лет опыта в DataOps, Data Quality, Data Engineering, Data Analytics или смежной области, с сильным практическим опытом в операциях с данными и устранении неполадок.
• Data Quality & Observability: Глубокое понимание измерений качества данных, таких как полнота, точность, согласованность, своевременность и валидность, а также принципов наблюдаемости данных и подходов к мониторингу.
• Quality Assurance Mindset (important): Глубокое понимание принципов обеспечения качества и практический опыт их применения к данным и системам, связанным с данными, включая проектирование тестов, валидацию данных, выявление граничных случаев и систематическое расследование проблем.
• Incident Management: Глубокое понимание жизненного цикла инцидентов с данными, включая обнаружение, триаж, расследование, анализ корневой причины, исправление и предотвращение повторяющихся проблем.
• Data Lifecycle & Pipelines: Хорошее понимание жизненных циклов данных и конвейеров их обработки, включая ETL, batch и streaming подходы.
• CLI & Linux: Высокий уровень комфорта работы в терминале и Linux‑среде, использование утилит командной строки для обработки и анализа текстовых и табличных данных, а также чтения и анализа журналов приложений и системы.
• Developer Workflows: Твёрдые знания JSON/YAML, систем контроля версий (Git/GitHub), практик CI/CD (например, GitLab, Jenkins) и общих концепций SDLC.
• Automation & Scripting: Уверенное использование Python и Bash для обработки данных, расследования инцидентов и автоматизации контроля качества. Уверенное использование регулярных выражений для поиска, анализа и обработки информации.
• Financial Domain: Глубокое понимание финансовых данных и финансовых рынков. Опыт работы с инвестициями, трейдингом, брокерами, биржами, рыночными данными или продуктами для анализа финансовых рынков, включая TradingView, имеет высокую ценность.
• English: Владение английским на уровне B2+, с сильными навыками чтения и письменного технического общения.

• Advanced Data Stack: Опыт работы с потоковыми платформами (например, Kafka), инструментами наблюдаемости данных, каталогами данных или управлением метаданными, включая OpenMetadata. Понимание dbt.
• Data Quality Automation: Опыт создания или поддержки фреймворков качества данных и систем автоматической валидации.
• Modern Tooling: Знакомство с AI‑инструментами и AI‑поддерживаемыми инженерными процессами.
• Financial Product Context: Знакомство с TradingView как продуктом или опыт работы с аналогичными продуктами для анализа финансовых рынков.

• Гибкий график работы и гибридный формат
• Хорошо оснащённые офисы для сосредоточенной и совместной работы
• Глобальная распределённая команда из более 500 профессионалов
• Обучение, наставничество и долгосрочный карьерный рост
• Поддержка переезда и частная медицинская страховка
• Бонусы, основанные на результатах
• Доступ к TradingView Premium
• Регулярные командные мероприятия и корпоративные встречи

TradingView — работодатель, предоставляющий равные возможности. Мы ценим разнообразие и стремимся создавать разнообразную и инклюзивную рабочую среду. Наш успех обеспечивают более 600 профессионалов из более чем 40 стран, говорящие почти на 20 языках.