Команда DWH Лавки работает над хранилищем, которое поддерживает аналитику и ключевые операционные процессы бизнеса. В основе хранилища — зрелый batch‑контур. Он включает тысячи расчётов и зависимостей: сохраняет историю и предоставляет проверенные данные за прошедший день.

Сейчас мы развиваем направление RT/NRT‑данных для AI‑систем Лавки. Речь идёт о потоковых и микробатчевых поставках, единых контрактах и контроле качества. Оперативные данные позволяют быстро получать сигналы и контекст для принятия решений, а batch‑слой обеспечивает полноту данных, сохраняет историю и финальную версию информации. Нам требуется опытный инженер данных. Его задача — связать эти контуры и развить платформенную основу для AI‑продуктов, которые используют операционные и управленческие команды.

Роль инженерная, с полной ответственностью за результат. Нужно самостоятельно выбирать задачи, в которых RT/NRT‑данные будут действительно полезны, проектировать решения, запускать их в промышленную эксплуатацию и развивать вместе с продуктовыми командами.

Мы работаем со следующим стеком технологий:

- Python, SQL и YQL

- Внутренний Code Driven фреймворк DMP Suite

- YT, Greenplum и ClickHouse

- Apache Flink / Flink Flow и LogBroker для потоковой обработки

- Встроенные инструменты Data Quality, мониторинга и управления ETL‑процессами

Какие задачи вас ждут

Развитие поставок данных

Вы будете проектировать и развивать RT/NRT‑поставки данных для разных сценариев работы продуктовых команд — например, для жизненного цикла заказа, работы сотрудников, складских операций и отслеживания доступности товаров. При этом нужно тщательно продумать, как будут взаимодействовать оперативный и batch‑контуры, и подобрать архитектуру, которая обеспечит нужную скорость, полноту, стоимость и надёжность данных.

Проектирование RT‑данных

Вам предстоит помогать системным аналитикам и продуктовым командам проектировать RT‑данные: подбирать источники и способы обработки, определять модель событий, контракты, требования к свежести и качеству данных, а также прорабатывать правила работы с запаздывающими событиями и предварительными результатами.

Поиск возможностей по RT‑данным

Вам нужно будет искать новые способы работы с RT‑данными, разрабатывать универсальные подходы и помогать внутренним заказчикам разобраться, какие задачи можно решить с их помощью. При этом проектирование прикладных агентов и бизнес‑сценариев останется за продуктовыми командами.

Инженерные задачи и развитие DWH

В ваши обязанности войдёт ведение инженерных задач: исследование процессов и источников данных, запуск решений в промышленную эксплуатацию, контролирование их работы и безопасное развитие DWH, который имеет большой граф зависимостей.

Развитие AI‑агентов для DWH

Вы будете расширять возможности AI‑агентов в автономном DWH: предоставлять им качественный контекст и инструменты, устанавливать ограничения и проверки, оценивать результаты работы и превращать сложные случаи в новые сценарии автоматизации. Также вам предстоит работать с нетиповыми инцидентами — выявлять их системные причины и на этой основе создавать новые проверки, инструменты и возможности для агентов.

Больше о разработке в Яндексе — в канале Yandex for Developers

Мы ждём, что вы

- Проектировали и поддерживали промышленные RT/NRT‑пайплайны, понимаете, чем их разработка и эксплуатация отличаются от batch‑обработки

- Занимались разработкой в крупном DWH или распределённой платформе, понимаете, как безопасно менять процессы с большим графом зависимостей

- Умеете проектировать надёжную обработку событийных данных с учётом задержек, повторной обработки и изменений источников

- Уверенно владеете Python и SQL, понимаете принципы моделирования данных, качества, наблюдаемости и надёжной эксплуатации

- Умеете превращать не до конца сформулированную бизнес‑задачу в модель данных и техническое решение, сравнивать архитектурные варианты, объяснять компромиссы и договариваться с владельцами источников

- Уже используете AI‑агентов в инженерной работе и хотите развивать подход, в котором человек управляет целями, качеством и архитектурой, а значительную часть реализации и поддержки выполняют агенты

- Готовы брать ответственность за результат поставки данных, а не только за написанный код

Будет плюсом, если вы

- Имели глубокий практический опыт работы с Apache Flink

- Практиковали построение lambda‑ или kappa‑архитектуры и объединение оперативного и batch‑контуров

- Запускали новое платформенное направление или развивали внутренние data‑продукты

- Практиковали проектирование data contracts и интеграцию нескольких продуктовых систем

- Разрабатывали инструменты, контекст, проверки или evaluation‑процессы для инженерных AI‑агентов

Узнать больше

-

Яндекс Лавка

-

Офисы в Москве

-

Как в Яндексе проходят алгоритмические секции собеседований

-

Как мы нанимаем бэкенд-разработчиков

-

Задачи для подготовки к собеседованиям