Data Analyst
Team Connect
Rola skupia się na wsparciu zespołu modelującego w tworzeniu finansowych modeli machine learning poprzez zbieranie, czyszczenie i transformację danych. Analityk będzie projektować i implementować pipeline'y ETL, aby zapewnić wysoką jakość danych wejściowych. To praktyczna, techniczna rola w domenie bankowej/finansowej, wymagająca silnych umiejętności SQL i Python.
Brakuje: nie podano konkretnych narzędzi/technologii poza spark i python, brak informacji o zespole – liczbie osób, strukturze.
Rola skupia się na wsparciu zespołu modelującego w tworzeniu finansowych modeli machine learning poprzez zbieranie, czyszczenie i transformację danych. Analityk będzie projektować i implementować pipeline'y ETL, aby zapewnić wysoką jakość danych wejściowych. To praktyczna, techniczna rola w domenie bankowej/finansowej, wymagająca silnych umiejętności SQL i Python.
- ✓Przejrzysty proces rekrutacyjny (3 etapy)
- ✓Długoterminowa współpraca
- ✓Budżet szkoleniowy i bezpłatne lekcje angielskiego
- ✓Opieka dedykowanego mentora
- !Rola przez agencję outsourcingową – nieznana kultura klienta końcowego
- !Brak informacji o składzie zespołu i liczbie osób
- !Nie podano konkretnych narzędzi (oprócz Spark/Python) – czy używa się innych technologii?
- •Gromadzenie i agregowanie danych z różnych źródeł na potrzeby modeli ML
- •Czyszczenie, transformacja i analiza danych zapewniająca wysoką jakość wejść
- •Projektowanie i implementacja pipeline'ów ETL w PySpark/SQL
- •Pisanie złożonych zapytań SQL do dużych baz danych
- •Współpraca z zespołem modelującym przy definiowaniu wymagań danych
- •Dokumentowanie procesów i przepływów danych
- •Debugowanie i optymalizacja wydajności ETL
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Analityk z 4 latami doświadczenia w data wrangling, mocnym SQL i Python, który potrafi tworzyć pipeline'y ETL, nawet jeśli nie pochodzi z bankowości.
Juniorzy bez 4 lat doświadczenia; osoby szukające czysto analitycznej roli bez programowania; osoby niechętne pracy z ETL i dużymi danymi.
- ?Ile osób liczy zespół modelujący i jaki jest podział obowiązków?
- ?Czy stosujecie jakieś konkretne narzędzia do ETL poza Sparkiem (np. Airflow)?
- ?Jakie modele ML są rozwijane – czy mamy wpływ na wybór algorytmów?
- ?Czy klient jest z Polski czy z zagranicy?
- ?Jaka jest przewidywana długość projektu?
- ?Czy istnieje możliwość przejścia na stałe do klienta?
- ?Jak wygląda onboarding i dostęp do danych na starcie?
- −Nie podano konkretnych narzędzi/technologii poza Spark i Python
- −Brak informacji o zespole – liczbie osób, strukturze
- −Nie wiadomo, czy klient to bank, fintech, czy inna instytucja finansowa
- −Brak wzmianki o systemie kontroli wersji (np. Git) i CI/CD
- −Nie określono, czy rola jest projektowa czy ciągła
Screening call z rekruterem, rozmowa z Hiring Managerem Capco, rozmowa z klientem, feedback i oferta.
Poniżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Spark. Pełne statystyki zarobków →