Описание вакансии
О компании и команде
Мы не стартап «на идее» — мы уже сделали результат.
25 лет опыта в оффлайн-ритейле + глубокая экспертиза в e-commerce.
Развиваем собственные бренды верхней одежды GRIZMAN и LAWINTER, которые за последние 3 года вышли в лидеры категории на Wildberries. Это не про «попробовали и получилось», а про системную работу с продуктом, аналитикой и масштабированием.
Что важно про команду и проект:
- Уже есть обороты и нагрузка
- Много свободы в принятии решений: нет бюрократии и долгих согласований
- Data — это не вспомогательная функция, а ядро бизнеса (мы реально опираемся на цифры, а не на «чувство рынка»)
- Можно построить систему «с нуля правильно»
Сейчас мы выходим на следующий уровень — нам нужна полноценная архитектура данных: сбор, хранение, обработка и быстрая доступность информации для бизнеса.
Поэтому мы ищем не просто data engineer, а человека, который сможет построить фундамент всей аналитики компании и напрямую влиять на рост бизнеса.
Что нужно сделать:
- Построить внутреннюю систему аналитики «РНП» по: Wildberries / Ozon / рознице в 1С УТ:
- спроектировать архитектуру;
- определить, что хранить в Postgres, что в ClickHouse;
- продумать сущности, ключи, связи, гранулярность;
- настроить автоматическую загрузку данных из API WB, Ozon и 1С;
- реализовать загрузку на Python;
- учесть дубли, неполные данные, ошибки, изменения задним числом, догрузку и пересчет;
- построить расчетный слой между сырыми данными и интерфейсом;
- подготовить быстрые витрины / агрегаты / предрасчеты;
- передать решение нашей команде;
- при необходимости подключаться к доработкам.
Требования:
- реальный опыт похожих проектов;
- желательно опыт именно с маркетплейсами;
- SQL + Python;
- опыт проектирования аналитических БД / хранилищ;
- опыт работы с API;
- понимание расчетного слоя;
- интеграция с 1С или понимание, как это делать.
Формат:
- проектная работа в удаленном формате;
- сдача этапами;
- работа на нашем сервере.
Дополнительно:
Чтобы понять, насколько ваш опыт подходит под нашу задачу, просьба коротко ответить по пунктам:
1. Какой похожий проект по маркетплейсам вы делали лично?
2. С какими маркетплейсами и API вы работали руками?
3. Что именно вы делали сами: проектирование БД / выбор архитектуры / загрузка данных на Python / расчетный слой / витрины / агрегаты / интеграция с 1С
4. Как вы решали ситуации, когда API:
- отдавало не все данные,
- присылало дубли,
- меняло старые данные задним числом
5. Что бы вы предложили для такой задачи на старте:
- только Postgres или - Postgres + ClickHouse и почему
6. Как вы бы разделили:
- сырые данные,
- расчетный слой,
- данные для интерфейса
7. Есть ли у вас опыт передачи такого проекта внутренней команде
8. Можете ли вы после запуска подключаться к точечным доработкам
9. Если можно, кратко опишите один похожий кейс: что было на входе, что вы сделали, какой результат получили.
10. Ваш ориентир по стоимости и формату работы.