Руководитель направления Data Governance & Data Quality

👋 Привет, коллега! Ищем Руководителя направления Data Governance & Data Quality в сильную команду

Мы - компания АНО ЦМИСС. Мы не просто консалтинг, а технологический партнер. Уже длительное время мы являемся доверенным экспертом для одной из крупнейших торгово-логистических компаний России, помогая им выстраивать архитектуру данных "с нуля" и внедрять лучшие практики там, где штатным специалистам не хватает специфической экспертизы. Сейчас мы усиливаем ядро команды для масштабного и долгосрочного проекта. Нам нужен Руководитель DG/DQ, который не просто настраивает правила в каталоге данных, а выстраивает систему владения данными, культуру работы с инцидентами и методологический фундамент контроля качества для всего корпоративного хранилища.

🎯 Что важно для нас. Нам нужен лидер, который способен превратить хаос разрозненных требований в стройную систему регламентов. Команда работает в режиме full stack: методологи, аналитики и разработчики тесно взаимодействуют друг с другом. Атмосфера - открытая и дружелюбная, но требования к самостоятельности и качеству - максимально высокие. От тебя ждут не просто "настроить проверку", а выстроить процесс так, чтобы бизнес сам начал следить за качеством своих данных.

Важно учитывать при отклике. Мы искренне рады каждому резюме, но просим: пожалуйста, соотносите свой опыт с описанием. Мы уважаем твое и своё время и не хотим тратить его на заведомо неподходящие совпадения. Поэтому не стоит откликаться "на удачу": нагрузка и требования к результату здесь серьёзные.

📋 Ключевые задачи

• Методология DG: Разработка регламента управления данными по бизнес-доменам, фиксация ролей (Владельцы данных, Администраторы доменов), SLA и матрицы эскалации.
• Каталог правил DQ: Создание и внедрение каталога проверок качества данных (типизация проверок, пороговые значения, правила исключений).
• Архитектура инцидентов: Проектирование и настройка механизма генерации сигналов, маршрутизации алертов и дашбордов мониторинга качества данных.
• Управление DQ-инцидентами (Управление процессом): Организация полного цикла жизни инцидента качества данных: от автоматического алерта до закрытия задачи. Распределение тикетов между Владельцами данных, контроль соблюдения SLA на разбор, проведение RCA (Root Cause Analysis) по критичным инцидентам и контроль внедрения превентивных мер.
• DWH-мониторинг и надежность пайплайнов: Проектирование и внедрение сквозной системы мониторинга процессов загрузки данных (ETL/ELT) по всем слоям DWH. Разработка метрик доступности и свежести данных, настройка алертов на разрывы цепочек поставок данных и падения сессий загрузки.
• Контроль корректности сборки витрин: Разработка методологии и внедрение автоматизированных процедур сверки данных. Настройка контрольных соотношений между слоями (проверка "вход-выход"), контроль полноты данных при инкрементальной загрузке и выявление потерь при трансформациях.
• Инструктаж и поддержка: Разработка инструкций для Владельцев данных по разбору инцидентов (1-я и 2-я линии поддержки).
• Интеграция с архитектурой: Настройка метаданных DG/DQ в каталоге данных (EMM Data Sapience), привязка правил к объектам доменной модели.
• BI-мониторинг: Проектирование и разработка витрин в FineBI для контроля динамики инцидентов, SLA-отчетности, мониторинга пайплайнов и сверки данных.

💡 Что мы ждем от тебя (Hard skills)

• Опыт внедрения Data Governance с нуля (роли, процессы, регламенты).
• Глубокое знание инструментов каталогов данных (у нас - Data Governance EMM / Data Sapience).
• Практический опыт настройки DQ-валидаторов и проектирования логики маршрутизации инцидентов.
• Опыт проектирования систем мониторинга DWH (на базе Prometheus/Grafana, Zabbix или внутренних BI-дашбордов).
• Навык написания сложных SQL-запросов для процедур сверки данных (Data Diff) и поиска расхождений между слоями хранилища.
• Навык работы с BI (у нас - FineBI) для создания операционных дашбордов.
• Умение переводить бизнес-требования к качеству данных на технический язык проверок.

🤝 Soft skills и стиль работы

1. Наставничество и масштабирование: Ты не просто делаешь задачи сам, ты обучаешь Владельцев данных и своих подчиненных (2 специалиста), передаешь им ответственность и контролируешь их работу.
2. Системное мышление: Ты видишь за конкретным инцидентом качества дыру в процессе и предлагаешь изменение регламента, а не просто "руками" правишь данные.
3. Стиль работы: Ты умеешь находить баланс между самостоятельностью и субординацией. Принимая задачу от руководителя, ты всегда уточняешь детали и сверяешь свое понимание, чтобы не исказить суть и не упростить сложный подход без необходимости. Ты проявляешь инициативу для улучшения процессов, но твой голос в обсуждениях - это вклад в общее решение команды. Когда архитектурное или методологическое решение утверждено руководителем, ты принимаешь его и внедряешь, даже если изначально предлагал другой путь. Твое кредо - работа на общий результат, где личный успех измеряется вкладом в копилку успеха всей команды.

🛠 Текущий инструментарий

• Знания и задачи: Яндекс.Вики, Яндекс.Трекер.
• Каталог данных: любой известный на рынке продукт. Data Governance EMM (Data Sapience) - плюс.
• DWH: PostgreSQL.
• BI: любой известный на рынке продукт. FineBI - плюс.

🤝 Как устроено собеседование (всего одно, но в два этапа)

1. Знакомство с проектом. Лидер продукта расскажет о сути платформы и текущем состоянии качества данных.
2. Практический опрос и кейс. Мы попросим тебя описать, как бы ты выстроил процесс разбора инцидентов для гипотетического домена "Товары", и показать примеры дашбордов, которые ты делал.

⚠️ Важные моменты

• Испытательный срок - это обязательный этап демонстрации ощутимого результата (например, запуск регламента и первых 10 правил DQ).
• Нагрузка высокая, темп быстрый. Потребуется одновременно писать регламенты в Вики, настраивать инструмент и обучать людей.

📝 Что нужно в письме-отклике (без этого резюме не рассматривается)

• 1–2 примера внедрения DG/DQ процессов с нуля.
• С какими инструментами каталога данных ты работал (особенно интересует опыт с точки зрения автоматизации процессов DQ/DQ).
• Примеры разработанных дашбордов контроля качества (какие метрики выводил).
• Твой опыт написания регламентов и инструкций для бизнеса.
• Конкретный измеримый результат: "снизил количество критичных инцидентов на 40% за квартал", "обучил 15 Владельцев данных".

Если ты умеешь наводить порядок в данных, любишь регламенты и готов строить процессы, которые работают без твоего постоянного участия - мы очень ждём твой отклик!

Спасибо, что относишься к отклику осознанно - мы это очень ценим. 😊

Формат: Офис/гибрид (обсуждаемо), полная занятость. Очень ждем тебя в нашу команду!