Мы - команда, создающая комплексную систему противодействия мошенничеству на базе технологий BigData с набором аналитических инструментов для многомерного изучения объектов и включающую в себя инструменты собственной разработки для:
- Построения графа связей (инструмент анализа объектов и их свойств, а также их связи с другими объектами различных уровней и характеристик, применяется для получения дополнительных знаний об объекте за счет извлечения знаний о его окружении, выявления наиболее значимой информации, центров влияния, групп связанных объектов, цепочек)
- Геопространственой аналитики: инструменты графической визуализации особенностей географических локаций, их оценок в различных контекстах, сравнения и сопоставления в различных временных интервалах, построения маршрутов и тепловых карт
- Выявления и анализа попыток мошенничества и иных отклонений, обработки внутренних событий, присвоения итоговых резолюций по результатам рассмотрения кейсов и выявления новых поведенческих схем
- Портфеля технологичных сервисов накопления и обработки больших объемов данных со сложной структурой
Наш передовой технологический стек:
- Big Data - Hadoop, Scala, Spark, Casandra, ClickHouse, Elasticsearch, FastGraph
- Scala, Zio, Openshift, PostgreSQL
- React, Redux (Redux ToolKit, RTK Query), Typescript, jest. Библиотеки: D3.js, react-force-graph, leaflet. UI/UX design
- QA - Scala, TestNG, Selenium, Maven, Allure
- DevOps - Docker, Kubernetes, Helm, Jenkins, ELK
Обязанности
- Анализ источников данных;
- Обеспечение прозрачности и точности в сборе данных, отчетности и визуализации;
- Внедрение новых интеграций и аналитических методик;
- Компиляция данных из различных источников;
- Создание ETL-процессов.
Требования
- Уверенное знание SQL: сложные запросы, аналитически функции, понимание физической реализации join’ов, оптимизация производительности запросов;
- Опыт создания читабельных Jupyter-ноутбуков;
- Знакомство с основными аналитическими библиотеками Python (pandas, numpy, scipy, statsmodels, pychart);
- Понимание принципов организации хранилищ данных, подходов к проектированию логической и физической моделей, понимание основной проблематики хранилищ и подходов к решению;
- Опыт работы в GIT.
Будет плюсом
- Знания экосистемы Hadoop: HDFS, Spark, Scala;
- Понимание основ математической статистики и теории вероятностей, умение применять их при решении аналитических задач;
- Опыт принятия продуктовых решений на основании данных;
- Знание базовых ML-подходов;
- Будет плюсом знания DG (data governance);
- Опыт написания технической документации.
Условия
• Инновационные, амбициозные проекты и задачи, которые развивают: всегда есть возможность прокачать свои навыки в работе и профессионально расти;
• Среда для обмена знаниями – высокая экспертиза внутри команды;
• Сплоченную команду, работающую над общими задачами и умеющая хорошо отдыхать;
• Нашу культуру создают сами сотрудники – мы их слышим и помогаем создавать и поддерживать корпоративные комьюнити по интересам
• Стабильную заработную плату и приятный годовой бонус;
• Современный IT-офис вблизи Москва-Сити в пяти минутах от метро "Кутузовская", с фитнес залом;
· Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ;
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров;
• Вознаграждение за рекомендацию друзей в команду Сбера.
