С 2017 года Keyrock выросла в ведущего маркет-мейкера на рынке цифровых активов — более 250 сотрудников, 42 национальности — с услугами, охватывающими маркет-мейкинг, торговлю опционами, высокочастотную торговлю, OTC и торговые столы DeFi. Центральная команда данных существует несколько месяцев и строит платформу данных Keyrock Data Platform, чтобы дать сотрудникам Keyrock и ИИ-агентам, работающим рядом с ними, данные и контекст, необходимые для быстрых и автономных действий.
☑️ Чем вы будете заниматься
- Создавать потоковые и пакетные пайплайны, которые принимают, нормализуют и распространяют рыночные, торговые и портфельные данные, устойчивые к сбоям фидов и бирж
- Создавать инструменты самообслуживания (SDK, паттерны, шаблоны, ИИ-агенты), чтобы другие команды публиковали, потребляли и развивали продукты данных, не ожидая команду
- Отвечать за контракты данных и эволюцию схем
- Проектировать lakehouse и слой временных рядов вокруг паттернов запросов потребителей
- Создавать и развивать фреймворк управления данными и качества данных: обнаружение устаревших фидов, валидация схем, проверки диапазонов, идемпотентные записи, lineage, владение, самовосстановление
- Создавать производную аналитику, на которой работает бизнес: спреды между биржами, VWAP на глубине, микроструктура стакана заявок, портфельные представления, экспозиция, результаты
- С первого дня делать наблюдаемость, стоимость и производительность первоклассными приоритетами
- Относиться к инфраструктуре как к коду (Docker, Terraform, CI/CD)
☑️ Что мы ищем
- 8+ лет создания производственных систем данных, на которые полагаются другие люди
- Сильное владение Python и SQL, способность рассуждать о том, что делает движок
- Глубокое понимание моделирования данных как для потоковых, так и для аналитических нагрузок
- Проектировали и эксплуатировали потоковые системы на Kafka, Redpanda, MSK или Kinesis, с собственным мнением о партиционировании, группах потребителей, офсетах и реестрах схем
- Использовали хранилище временных рядов в продакшене (идеально ClickHouse; TimescaleDB, QuestDB или аналогичные), можете говорить о дизайне таблиц как функции паттернов запросов
- Работали с архитектурой lakehouse; рассуждаете о раскладке таблиц, партиционировании и компакции
- Строите с расчётом на самовосстановление и идемпотентность; Docker, Terraform и CI/CD — это ваш способ работы
- Понимаете финансовые рыночные данные: стаканы заявок, сделки, справочные данные, портфели, экспозиции. Крипто, TradFi или оба — сильный плюс
- Будет плюсом: Apache Iceberg или Delta Lake; DataHub или аналоги; Rust
