21 сент.
Solution Architect / Technical Architect (Enterprise Systems)
ЗП не указана
Ждановичи
Гибрид
Lead
Адаптируем резюме под ATS-фильтры, подготовим сопроводительное на основе резюме и вакансии, соберём гайд подготовки к собеседованию, найдём контакты HR и нанимающих
Этот сайт использует файлы cookie для улучшения вашего опыта работы в интернете. Нажимая Принять, вы соглашаетесь на использование файлов cookie. Политика использования файлов cookie
Почему стоит присоединиться к dLocal?
dLocal — это финансовая инфраструктура, обеспечивающая глобальную коммерцию на самых быстрорастущих рынках мира. Крупнейшие компании мира доверяют нам раскрытие роста в более чем 60 странах развивающихся рынков — мы перемещаем деньги там, где другие видят только сложность. Мы не просто обрабатываем платежи; мы — архитекторы платёжных экосистем и партнёры наших клиентов в их экспансии. Вы будете работать вместе с более чем 1300 коллегами из 40+ национальностей и с первого дня решать глобальные задачи.
Мы ищем Data Architect, который будет задавать техническое направление архитектуры данных и аналитики dLocal. Эта роль сформирует масштабируемую, управляемую и удобную для потребления экосистему данных в области Data & AI и инженерии — связывая доменные data products, платформы реального времени, аналитические нагрузки, сценарии машинного обучения и бизнес-потребление данных.
Вы будете выступать старшим техническим референсом по архитектурным решениям, переводя бизнес- и продуктовые потребности в прагматичные дизайны, балансирующие масштабируемость, надёжность, задержку, безопасность, совместимость, опыт разработчиков и совокупную стоимость владения.
Определять и развивать корпоративные архитектуры данных, оценивать компромиссы и рекомендовать подходящие технологические паттерны для batch, streaming, lakehouse, warehouse и операционных сценариев.
Проверять и консультировать других архитекторов по аспектам данных в их RFC, помогая обеспечивать согласованность с корпоративными принципами данных, стандартами управления и архитектурным направлением.
Вести внедрение принципов data mesh, включая доменную собственность, данные как продукт, федеративное вычислительное управление, возможности self-serve платформы, обнаруживаемость, качество и измеримые SLA data products.
Устанавливать референсные архитектуры и инженерные стандарты для data products, пайплайнов, ingestion, хранения, обработки, оркестрации, observability, lineage, безопасности и управления доступом.
Обеспечивать надзор за операционными SLA, включая задержку, стоимость, качество, актуальность, надёжность и производительность в production.
Проектировать и управлять streaming-архитектурами с использованием технологий вроде Kafka, Kinesis, Flink, Spark Structured Streaming и Databricks, поддерживая сценарии от запланированного batch до обработки в реальном времени с задержкой менее секунды.
Определять надёжные паттерны event-processing, включая схемы и data contracts, schema registries, обработку по event-time, обработку поздних событий, идемпотентность, дедупликацию, replay и reprocessing, dead-letter flows и SLA по актуальности.
Формировать семантические слои и корпоративные онтологии, создающие единый бизнес-смысл между доменами, включая канонические сущности, метрики, измерения, связи, бизнес-определения, метаданные, lineage и версионирование.
Устанавливать паттерны, позволяющие семантическим моделям обслуживать аналитику, операционные приложения, машинное обучение и сценарии ИИ без дублирования или противоречивых определений.
Направлять развитие облачных data-платформ и возможностей lakehouse, включая Databricks, Unity Catalog, таблицы Delta/Iceberg, object storage, хранилища данных и слои потребления BI в средах AWS и GCP.
Задавать архитектурное направление для MLOps и возможностей feature platform, включая batch и online features, интеграции model serving, низколатентные пути данных, lineage моделей и данных, мониторинг и управление.
Вести или участвовать в архитектурных RFC, технических решениях, design review, планах миграции и дорожных картах внедрения; делать сложные компромиссы понятными как техническим, так и нетехническим стейкхолдерам.
Партнёрствовать с доменными командами для уточнения собственности, ответственности за data products, операционной передачи, ответственности за качество, согласования доступа и моделей междоменного потребления.
Определять практические меры контроля качества данных, observability, конфиденциальности, безопасности, устойчивости, управления затратами и готовности к production.
Брать на себя ответственность за критические архитектурные вопросы, способствовать решению между командами и обеспечивать доведение решений до внедрения и эксплуатации.
Выступать доверенным советником и техническим ментором для data engineers, platform teams, data scientists, MLOps engineers, BI-команд и инженерных лидеров.
Доносить целостное архитектурное видение, оставаясь прагматичным, адаптивным и достаточно близким к реализации, чтобы проверять, что дизайны работают в production.
8–10+ лет опыта проектирования и эксплуатации масштабируемых архитектур данных, предпочтительно в сложных корпоративных средах или средах быстрого роста.
Сильный опыт проектирования и внедрения архитектур data mesh и операционных моделей, включая доменную собственность, data products, федеративное управление, self-serve платформы, контракты, качество и обнаруживаемость.
Глубокий опыт со streaming- и event-driven архитектурами, включая Kafka или Kinesis и один или несколько движков обработки, таких как Flink или Spark Structured Streaming.
Подтверждённая способность проектировать для real-time и near-real-time нагрузок, включая измерение задержки, семантику event-time, поздние данные, state, дедупликацию, идемпотентность, replay и восстановление после сбоев.
Сильные знания семантических слоёв, бизнес-онтологий, канонических моделей данных, knowledge graphs или моделей метаданных, определений метрик и семантического управления.
Экспертиза в моделировании данных, паттернах data lake и lakehouse, проектировании warehouse, data pipelines, data products, метаданных, lineage и технологиях управления данными.
Опыт с облачными data-платформами и сервисами, в частности AWS и/или GCP; опыт с Databricks, Unity Catalog, Delta Lake, Iceberg или сопоставимыми технологиями приветствуется.
Владение соответствующими data- и platform-технологиями, такими как Spark, Airflow, dbt, Kafka, Python, SQL, CI/CD, infrastructure-as-code и инструментами observability.
Опыт проектирования или поддержки MLOps, feature stores, online/offline data serving или других низколатентных систем данных для машинного обучения.
Способность устанавливать практические фреймворки доступа к данным, stewardship, управления, конфиденциальности, безопасности, качества и операционной ответственности.
Сильное понимание компромиссов надёжности, масштабируемости, производительности, устойчивости, стоимости и vendor lock-in.
Отличные навыки управления стейкхолдерами, коммуникации, фасилитации и влияния, включая умение балансировать ожидания по поставке и техническое совершенство.
Комфортное управление рисками, неопределённостью и конфликтами; способность принимать решения и объяснять логику за ними.
Самостоятельность и проактивность, с чувством меры, когда нужно запросить мнение, а когда двигаться вперёд.
Будьте осторожны: если работодатель просит войти через Google, iCloud или Госуслуги, прислать код или пароль, запустить ПО или перевести деньги — это мошенники.
ЖмитеГайд по безопасности
