Сегодня подписала заявление на увольнение😱

Решение далось легко; принимаю ваши поздравления💳

P.S Альфа банк - лучший банк

Вот, что я сделаю иначе на новом месте работы, чтобы снова не словить вайб на картинке:

🤍 Если телеграм активно используется для рабочей коммуникации, создам отдельный аккаунт для работы.

Во-первых, это избавляет от информационного шума, когда нужно сконцентрироваться исключительно на работе.
Во-вторых, это позволит мне делиться в профиле всем, не задумываясь о мнении коллег (смогу, например, указать этот канал)

🤍 Начну запрашивать фидбэк сильно раньше и чаще.

В моей команде мой перворманс вообще ни на что не влиял. Работаешь - хорошо, не работаешь - ок. Сначала это тревожит, затем демотивирует и слишком расслабляет.

🤍 Постараюсь почаще приезжать в офис, если часть команды будет сконцентрирована в одном городе. Работать с людьми, зная их лично, намного проще.

писала ранее о списке рефералов и вот наконец создала свой.

Список сейчас открыт для редактирования. После редактирование закрою - нужно будет написать мне и я добавлю ваш контакт.
Если ваша компания уже есть в списке, добавьте свой контакт рядом с уже существующим рефералом.

📌В альфе рефералками заработала больше 100к, так что указывайте свои контакты.

💬Дата-инженерские заметки
ставим сердечки, кидаем бусты🫶

Если вы задумывались над тем, чем же все-таки занимаются аналитики, рекомендую подписаться на канал Data Brew!

Канал ведет тот самый аналитик, который смог построить карьеру после курсов и сейчас продолжает расти профессионально.

Автор
🤗 помогает в поиске работы
😊пишет о полезных для аналитиков хардах
🎁делится реальными историями с собеседований
🤬 рассказывает о боли аналитиков
😇 скидывает аналитические мемы

Подписывайся на @data_brew

Продолжаю брать интервью у дата-инженеров, сегодня у нас мой первый руководитель - дата-архитектор из Procter&Gamble.

⭐️ Расскажи о себе: чем занимаешься сейчас, за что отвечаешь и где лежит основная зона влияния в компании.

Я работаю старшим дата архитектором в компании Procter & Gamble. Сейчас у меня три основных направления деятельности: поддержка и развитие нашей инфраструктуры для платформы данных (включая DevOps часть); ревью всех новых решений в области данных на предмет следования лучшим практикам, политикам компании т.д.; вовлечение в бизнес-проекты в роли старшего дата инженера, когда появляется такая необходимость.

⭐️ Немного бэкграунда: образование, первые шаги в ИТ и что подтолкнуло именно к данным и дата‑инжинирингу

Образование у меня совсем не айтишное: 4 года бакалавриата в СПбГЭУ на менеджменте и ещё 2 — магистратуры в ВШМ СПбГУ. Пока я учился 6 лет на менеджера, мне стали невыносимы многие аспекты менеджмента. Единственное, что меня заинтересовало — это маркетинг, но и то не весь, а связанный с аналитикой и статистикой. Так я потихоньку начал смотреть курсы на Stepik, где узнал о существовании языка R. Некоторое время все проекты в универе я делал с ним (никто не понимал что я делаю), а потом решил поучить ещё и Python. Когда подошло время искать работу, я подался на конкурс IT Business Challenge от Procter & Gamble, так и попал в компанию.

⭐️ Кто такой архитектор данных в твоём понимании?

В «академическом» понимании (вспоминаю свою сертификацию DAMA), архитекторы данных придумывают и описывают то, как данные должны быть организованы. В их арсенале имеются концептуальные, логические и физические модели, каталоги данных. Именно к архитектуру данных должен приходить бизнес и дата инженеры, чтобы получить от него знание о том, как правильно встроить новые данные в текущую архитектуру (или создать её с нуля). На деле я вижу (не только на своём примере), что Data architect может в себе содержать и Solution architect — выбирать какие технологии и как должны использоваться, строить платформу данных и даже самостоятельно инженерить.

⭐️ Ты — редкий пример роста от стажировки до архитектора внутри одной компании. Как это получилось: какие шаги, решения и люди сыграли ключевую роль? Что бы ты посоветовал тем, кто тоже хочет расти внутри одной организации

Мне кажется, что одним из очень важных факторов моего роста было то, что когда я пришёл в P&G, развитие дата инженеров только начиналось. Никто не знал, как работать с тем, что сейчас называют modern data stack, а я не знал и подавно, со своим менеджерским образованием. Поэтому я окунулся в этот океан с головой и вынужден был выплывать с минимально доступной помощью. К счастью руководство адекватно реагировало на неудачи — все понимали, что путь непростой.
Когда ты растёшь внутри одной организации, главное — это чтобы побольше людей о тебе узнало, в идеале через сотрудничество и помощь. Потом это поможет не только продвигаться по карьере, но и даст возможность «горизонтального» перемещения — смены ролей, проектов, области работы. Все будут хотеть заполучить тебя в свою команду.

⭐️ Из чего состоит твой рабочий день: типичные встречи, задачи и т.д?

Как правило есть минимум несколько встреч, где нужна моя экспертиза/совет: как что должно работать и как сделать правильно. Довольно часто приходится иметь дело с «операционными» вещами: например, майкрософт выкатил какое-то обновление и теперь нужно срочно искать новые решения, чтобы в восточной европе не упали все пайпланы данных, дата инженеры могли делать свою работу, а бизнес ничего не заметил. Несколько раз в неделю — ревью новых инструментов/пайплайнов. Ну и последнее время я снова вернулся к типичному дата инжинирингу, сижу пишу код на пайспарке.

❤️Дата-инженерские заметки
ставим сердечки, кидаем бусты

Как дата-инженеру проектировать хорошие ETL/ELT-процессы

ETL/ELT-процессы (они же пайплайны) — основа любой дата-инженерной системы. Именно пайплайны собирают и превращают сырые данные в структурированную информацию, на которую опираются аналитики и бизнес. Но как спроектировать процесс правильно, чтобы данные поставлялись стабильно, а пайплайны не ломались при каждом изменении на стороне источника?

На вебинаре c Георгием Семеновым разберём ключевые подходы к построению пайплайнов — разберем батч и стриминг, сравним ETL и ELT, а также посмотрим, как работают инструменты оркестрации, вроде Airflow и Dagster. Поговорим о важных инженерных деталях — партицировании, бэкфиллах, контрактах и тестах — и покажем, из чего складываются надёжные дата-процессы в крупных компаниях.

На вебинаре расскажем:
🟠Как устроен путь данных — от источников до аналитических витрин;
🟠Чем отличаются стриминг и батч, ETL и ELT, и когда какой применять;
🟠Какие инструменты помогают строить пайплайны — разберём Airflow и Dagster;
🟠Какие нюансы важно учитывать: партицирование, бэкфиллы, контракты, тесты;
🟠Как спроектировать надёжный и легко поддерживаемый пайплайн.

🕗 Встречаемся 22 октября в 19:00 МСК

💬 Подключайтесь к эфиру, чтобы задать Георгию вопросы про архитектуру данных, ETL/ELT и тонкости построения стабильных пайплайнов.

😶Зарегистрироваться на бесплатный вебинар