Data Engineer (Senior)

Если ты уже работаешь во Флаувау, рекомендуй кандидата. Если присматриваешься к нам как соискатель — оставляй отклик напрямую.

🌷 Если ты — сотрудник Флаувау и рекомендуешь кандидата

1. В полях «Ваше имя» и «Фамилия» укажите имя и фамилию кандидата, которого рекомендуете.
2. В поле «Сопроводительное письмо» напишите ваши имя и фамилию — как человека, который дает рекомендацию.

🌷 Если ты — соискатель

Заполни форму, добавь сопроводительное письмо (по желанию) — мы вернемся с ответом, если твой опыт подойдет под роль.

Кто мы и что строим

Flowwow — международный маркетплейс подарков. Под ним работает Data Platform, которую мы построили с нуля: не «настроили managed-сервисы», а спроектировали и написали сами — от storage-слоя до AI-агентов поверх данных.

Это lakehouse на Apache Iceberg + Trino, со Spark для тяжёлых вычислений, CDC-пайплайнами на Kafka/Debezium, всё в Kubernetes. Поверх этого — большой слой собственного кода:

• свой фреймворк Data Vault — моделирование хранилища как код, а не как набор ручных SQL-скриптов;
• обвязка вокруг Airflow — собственные операторы, хуки, генерация DAG'ов, инструменты тестирования пайплайнов;
• самописный lineage и инструменты наблюдаемости данных;
• AI-слой: агенты на LangGraph + MCP, которые расследуют инциденты, анализируют качество данных и помогают команде в рутине.

Мы — команда инженеров, а не операторов ETL. Бо́льшая часть нашей работы — это Python-разработка: библиотеки, фреймворки, сервисы, которыми пользуется вся дата-вертикаль компании.

Почему эта роль интересная

Это позиция Senior DE с сильным уклоном в платформенную разработку. Не «писать пайплайны по тикетам», а проектировать инструменты, из-за которых пайплайны пишутся в разы быстрее — или не пишутся руками вообще.

Вы будете работать с lakehouse-стеком на уровне внутренностей: оптимизация Trino-запросов и работа с коннекторами, maintenance Iceberg-таблиц (компакция, snapshot expiration, position/equality deletes — мы знаем эту боль изнутри), эволюция схем, REST-каталог. Это та глубина, которая редко встречается в продуктовых компаниях.

И второе: мы AI-native команда. Claude Code и аналогичные инструменты — часть ежедневного рабочего процесса, а не эксперимент по пятницам. Мы строим harness-системы вокруг LLM: агентов с инструментами, автоматизацию code review, ассистентов для написания DAG'ов. Если вам близко состояние, когда ты проектируешь систему, а агент под твоим контролем выполняет рутину — вам у нас понравится.

• развитие ядра платформы: фреймворка Data Vault, обвязки Airflow, lineage-инструментов; проектирование API для использования другими инженерами и ответственность за их развитие;
• разработка библиотек и фреймворков на Python: клиентов к источникам данных, инструментов тестирования пайплайнов, оберток над инфраструктурными компонентами; обеспечение качества кода через типизацию, тестирование и code review;
• работа с lakehouse-архитектурой: Iceberg maintenance, оптимизация layout'а таблиц, тюнинг Trino, разработка Spark-джоб для тяжелых трансформаций;
• построение интеграций с источниками данных: OLTP-базы, REST/gRPC API, Kafka, файловые хранилища, SaaS-системы; проектирование унифицированных интерфейсов подключения новых источников;
• внедрение AI-инструментов в инженерные процессы: разработка агентов для расследования инцидентов, анализа качества данных, поддержки DAG'ов и code review;
• участие в архитектурных решениях: выбор технологий, проектирование интерфейсов между компонентами, формирование и внедрение best practices в команде;
• проведение code review и менторинг менее опытных коллег.

• Промышленный опыт от 5 лет в data engineering или backend-разработке с сильным дата-уклоном: production-системы под реальной нагрузкой, ответственность за их эксплуатацию, а не только за написание кода.
• Python — главное требование. Уровень senior разработчика: ООП, проектирование API библиотек, типизация, тесты, опыт написания переиспользуемых компонентов, которыми пользовались другие люди.
• Lakehouse-стек на практике. Apache Iceberg (или Delta/Hudi с готовностью быстро переключиться): устройство таблиц, snapshots, компакция, schema evolution. Понимание, чем lakehouse отличается от классического DWH не на уровне статьи на Medium.
• Trino или другой MPP-движок: архитектура распределённого выполнения, чтение планов запросов, оптимизация, опыт работы с коннекторами.
• Apache Airflow глубоко: не только разработка DAG'ов, но и внутреннее устройство (scheduler, executors, метаданные), опыт написания собственных операторов и хуков.
• Apache Spark: PySpark, Spark SQL, понимание модели выполнения.
• SQL продвинутого уровня: оконные функции, CTE, оптимизация, чтение планов исполнения, работа с большими объёмами.
• Git, CI/CD — уверенно.

• полная занятость;
• оформление: трудовой договор;
• график: 5/2
• удаленный формат работы;
• уровень дохода обсуждается на этапах найма.

Что приятного мы делаем для сотрудников

• предлагаем ДМС со стоматологией или компенсацию на медицинское обслуживание, а также сервис психологической
  поддержки;
• заботимся о физическом здоровье — компенсируем расходы на занятия спортом или покупку спортивного оборудования;
• компенсируем стоимость техники, которую вы приобретаете для работы;
• создаем условия для развития: оплачиваем обучение, конференции и митапы, нужные для работы;
• подключаем к корпоративной программе лояльности: персональным скидкам на Flowwow и предложениям от партнеров.

Наши ценности

Забота и любовь

Наш продукт основан на желании людей радовать друг друга и быть вместе. Пока любовь жива, у Flowwow будут пользователи.

Развитие и рост

Flowwow быстро развивается и с радостью поддерживает инициативы сотрудников.

Культура взаимопомощи

У нас работают люди, вовлеченные в процесс и небезразличные к тому, что они делают.

Открытость к изменениям

Каждый может проявлять инициативу, предлагать и быстро видеть свой вклад в общий успех.

Благотворительность

Одна из целей Flowwow — помогать людям. Нас объединяют социальная ответственность и готовность участвовать в специальных благотворительных мероприятиях.