Data Engineer (Analytics)

Навыки

• API (интеграции)
• Атрибуция
• BigQuery
• CAC / CPA / CPL
• CI/CD
• Конверсия
• CRM-системы

Задачи

• Що варто знати про SKELAR?
• Це венчур-білдер — іншими словами, компанія, яка будує компанії
• З нами фаундери створюють consumer-бізнеси, які стають лідерами на глобальних ринках EdTech, Mental health, Petcare, FashionTech та інших
• Скеларівці будують tech-продукти, які здобувають відзнаки від Product Hunt, The Webby Awards та отримують тисячі позитивних відгуків на TrustPilot
• Загалом tech-продуктами наших бізнесів користуються 10+ млн людей у світі
• Усе завдяки сильним командам, бо наші спеціалісти — це ключова цінність SKELAR
• Для професійної реалізації ми створили середовище з експертизою та необмеженими можливостями — і шукаємо тих, хто прагне викликів
• Зараз ми в пошуку Data Engineer, щоб разом піднімати планку результату
• Виклики, які чекають на цій ролі
• Обʼєм даних - десятки рекламних мереж і платформ, сотні таблиць з сирими даними та тисячі аналітичних процесів щодня

Условия

• Вартість запитів - при обсягах у сотні TB на день, невдалий запит без партиціонування — це різниця між витраченими $0.05 або $100+
• Швидкість vs точність - маркетинг хоче коректний звіт "зараз", дані оновлюються з лагом 1-24 год
• Приватність — PII-поля потребують окремої обробки на кожному етапі pipeline
• На що ти будеш впливати
• Бюджетні рішення - неточний ROAS = гроші йдуть у неефективний канал
• Швидкість масштабування кампаній - затримка звіту на годину = втрачене вікно для оптимізації
• Довіра команди до цифр - одна помітна помилка підриває довіру до всіх наступних звітів
• Compliance-ризики - неправильна обробка PII = юридичні наслідки
• Що для нас важливо
• Розуміння того, що дані — це не звіт, а сигнал, який напряму керує рекламними алгоритмами: ми генеруємо ~80 000 оптимізаційних подій щодня, і кожна помилка в них конвертується в реальні втрачені гроші
• Ідеальне знання SQL — вміння писати ефективні запити на великих обсягах (мільйони рядків/день), розуміти партиціонування, кластеризацію і вартість запитів у BigQuery
• Досвід роботи з dbt (Dataform — плюс) — вміння будувати і підтримувати трансформації як код, з тестами і документацією, а не через разові скрипти
• Data modeling — здатність спроєктувати структуру даних так, щоб вона витримувала ріст компанії, а не ламалась при кожній новій вимозі бізнесу
• Уважність до деталей на рівні пайплайну — вміння помітити аномалію в потоці подій раніше, ніж це зробить бюджет кампанії
• Вміння працювати на стику продукту, маркетингу і реклами — розуміти, що "подія" це не просто рядок в таблиці, а сигнал, який летить у Meta, Google, TikTok і формує майбутній таргетинг
• Проактивність: готовність не просто фіксувати проблему постфактум, а вибудовувати моніторинг і алерти, які ловлять збій у зборі подій до того, як він вплине на кампанії
• Буде перевагою
• Python — для автоматизації рутинних процесів, написання скриптів валідації даних, кастомних інтеграцій з рекламними API
• Досвід побудови ETL/ELT пайплайнів "з нуля" — не лише трансформації в dbt, а й розуміння повного шляху даних: від джерела (рекламні мережі, пікселі, CRM) до аналітичної вітрини
• CI/CD для дата-пайплайнів — досвід автоматизованого тестування і деплою трансформацій (наприклад, через GitHub Actions чи аналоги), щоб зміни в моделях не ламали продакшн непомітно
• Розуміння контексту performance-маркетингу — що таке ROAS, CAC, LTV, атрибуція, оптимізаційні події, воронка від кліку до конверсії
• досвід роботи з даними рекламних платформ (Meta, Google, TikTok) — величезний плюс, бо дозволяє розуміти "навіщо" за кожною метрикою, а не лише "як" її розрахувати
• У SKELAR ми побудували середовище для професійної самореалізації
• SKELAR Platform
• Це операційне ядро венчур-білдера, що допомагає фаундерам швидше проходити шлях від нуля до одиниці

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.