Дата-аналитик (Data Quality / ETL), Junior+/Middle

4 ноября 2026 г.

Гибрид

Junior

Москва, Россия

hh.ru

Ещё стоит знать

Обязательное посещение офиса
Есть тестовое задание

Описание

Отдел спортивной аналитики и науки профессионального футбольного клуба строит data-инфраструктуру и аналитические продукты для тренерского штаба, медицинского департамента, департамента перформанса и селекционного отдела. Данные поступают от внешних поставщиков (event-данные, трекинг, статистика) и внутреннего контура — GPS, тренировочные и физические показатели основной команды, второй команды и академии. Направление работы — автоматические проверки качества данных, ETL-пайплайны и витрины данных под BI-отчёты и аналитические модели.

Обязанности

Писать и развивать автоматические проверки качества данных: пропуски, дубли, аномалии, расхождения между источниками; настраивать алерты и регулярные отчёты о состоянии данных
Вместе с командой организовывать и стабилизировать ETL-пайплайны: загрузка данных от поставщиков и внутренних систем, нормализация, сопоставление идентификаторов игроков, матчей и команд между источниками
Помогать упорядочить поток данных от второй команды и академии
Разрабатывать и поддерживать витрины данных — бэкенд для BI-отчётов, дашбордов и аналитических моделей
Проверять корректность метрик: сравнивать альтернативные варианты расчёта и обосновывать, какой лучше отражает суть
Участвовать в доработке действующих моделей и тестировании новых аналитических продуктов
Контролировать полноту и качество данных на цифровых платформах клуба
Оперативно закрывать запросы тренерского штаба и департаментов — регулярная отчётность и подготовка к матчам не ставятся на паузу

Требования

Опыт работы с данными от 2-х лет (аналитик данных, analytics engineer, data engineer) — коммерческий опыт, стажировки или серьёзные пет-проекты
SQL на уверенном уровне: джойны, агрегации, оконные функции, CTE
Python для обработки данных и автоматизации: pandas / polars, работа с API, Git; готовность писать код, который работает регулярно, а не только для разовых выгрузок
Понимание, как устроены ETL/ELT-процессы и витрины данных; опыт участия в их построении — преимущество
Внимательность к деталям и интерес к качеству данных: умение заметить, что цифры «не сходятся», и найти причину
Опыт работы с BI-инструментами (DataLens — преимущество)
Базовое понимание ML: как устроены обучение и валидация моделей и как качество входных данных влияет на результат
Интерес к футболу и понимание игры
Самостоятельность: умение разобраться в задаче, задать правильные вопросы и довести её до результата
Опыт работы с футбольными данными
Опыт с оркестраторами (Airflow, Prefect, Dagster), dbt или инструментами проверки данных (dbt tests, Great Expectations, Soda)
Опыт работы с ClickHouse / PostgreSQL, Docker
Опыт работы в футбольном клубе или спортивной организации
Пет-проекты по футбольной аналитике: модели, дашборды, статьи

Условия

Гибридный формат работы
Официальное оформление по ТК РФ
Конкурентоспособный уровень заработной платы, годовое премирование
ДМС

Устройство не соответствует требованиям сайта

Что может не работать

Дата-аналитик (Data Quality / ETL), Junior+/Middle

Сводка по вакансии

Ещё стоит знать

Описание

Обязанности

Требования

Условия

Похожие вакансии

Сводка по вакансии

Ещё по теме

Похожие вакансии

Дата-аналитик (Data Quality / ETL), Junior+/Middle

Сводка по вакансииАнализ и саммари по описаниюХорошая [data-chart=chart-_R_39f1a6av5ubsmabqaqlb_] { --color-score: var(--success); } .dark [data-chart=chart-_R_39f1a6av5ubsmabqaqlb_] { --color-score: var(--success); } 72

Сводка по вакансии

Ещё стоит знать

Описание

Обязанности

Требования

Условия

Похожие вакансии

Сводка по вакансииАнализ и саммари по описаниюХорошая [data-chart=chart-_R_39f1a6av5ubsmabqaqlb_] { --color-score: var(--success); } .dark [data-chart=chart-_R_39f1a6av5ubsmabqaqlb_] { --color-score: var(--success); } 72

Сводка по вакансии

Ещё по теме

Похожие вакансии