Team Lead Data Engineer по ClickHouse

Что за роль

STRABA ищет Team Lead Data Engineer для развития высоконагруженной Data-платформы международного iGaming-продукта. Платформа поддерживает сервисы рекомендаций и ранжирования, а также автоматизированную отчётность. В зоне ответственности — архитектура хранилища и потоковой обработки данных, надёжность сервисов и техническое руководство кросс-функциональной командой.

Что предстоит делать

• Отвечать за архитектуру DWH, потоковую обработку событий и надёжность платформы и сервисов в режиме 24/7.
• Руководить командой Data Engineering, Backend и QA: проводить встречи 1-on-1 и Performance Review, участвовать в найме и помогать команде распределять контекст.
• Развивать обработку данных на ClickHouse и Apache Kafka, включая настройку партиционирования, шардирования и репликации, а также оптимизацию запросов.
• Внедрять CI/CD и автотестирование, проводить разборы сбоев и контролировать выполнение SLA/SLO.
• Планировать работу на квартал, управлять техническими рисками и обосновывать архитектурные решения перед бизнесом.
• Синхронизироваться с продуктовыми аналитиками, BI- и Backend-командами по требованиям и развитию платформы.
• Развивать наблюдаемость и управление данными с помощью Prometheus, OpenTelemetry и OpenMetadata.

Что потребуется

• От 5 лет коммерческого опыта в Data Engineering, включая построение DWH, Data Lake и инфраструктуры аналитики.
• От 2 лет опыта руководства кросс-функциональной командой в роли Team Lead или Tech Lead.
• Практический опыт работы с ClickHouse под высокой нагрузкой и потоковой обработкой данных на Apache Kafka.
• Уверенное владение Python и опыт проектирования распределённых Big Data-систем.
• Опыт внедрения Data Governance, включая каталоги данных или OpenMetadata.
• Понимание CI/CD, Code Review, observability и практик контроля SLA/SLO.

Что важно знать

В стеке платформы — ClickHouse, Kafka, MongoDB, Python, Docker, Kubernetes, GitLab CI, Airflow, Redis, KeyDB, MinIO и FastAPI. Дополнительным преимуществом будет опыт в iGaming, понимание архитектуры AI-агентов, LLM, RAG и Text-to-SQL, а также вывод ML-сервисов рекомендаций и ранжирования в production. Предусмотрены годовая выплата, компенсация спорта и языковых курсов, оплата обучения и конференций, личные оплачиваемые дни и отпуск.