Эти навыки не влияют на основной грейд, но покажут полноту вашего профиля.
AI-ассистенты кодирования
▼
Использует ChatGPT/Claude для написания SQL-запросов, DAX-формул и описаний визуализации данных. Применяет AI-ассистентов для интерпретации сложных датасетов и генерации начальных нарративов отчётов. Следует рекомендациям команды по валидации сгенерированных AI аналитических инсайтов и конфигураций дашбордов.
Самостоятельно применяет ChatGPT/Claude для сложных BI-задач — генерации продвинутых DAX-мер, оптимизации моделей данных Power BI и создания автоматизированных нарративов отчётов. Понимает компромиссы между сгенерированной AI и написанной вручную аналитической логикой. Проектирует эффективные промпты для задач моделирования данных и визуализации.
Обладает глубокой экспертизой применения ChatGPT/Claude для корпоративной BI-разработки. Проектирует AI-ассистированные процессы для сложного моделирования данных, автоматической генерации инсайтов и создания отчётов на естественном языке. Оптимизирует prompt engineering для аналитических задач и менторит команду по ответственному использованию AI для поддержки решений на основе данных.
Определяет стратегию внедрения ChatGPT/Claude для команд BI и аналитики. Формирует стандарты AI-ассистированного анализа данных, автоматизированной отчётности и библиотек промптов для аналитических процессов. Проводит ревью паттернов интеграции AI в BI-разработку, обеспечивая точность данных и ответственную генерацию инсайтов.
Использует Cursor IDE для написания и отладки аналитических скриптов на Python и SQL. Знает основные функции AI-ассистента для генерации SQL-запросов и трансформаций данных. Применяет Cursor для быстрого прототипирования аналитических решений и data exploration.
Использует AI-возможности Cursor для ускорения разработки ETL-пайплайнов и аналитических моделей. Применяет Cursor для автоматической генерации dbt-моделей и data quality tests из описаний. Создаёт промпты для эффективной работы с аналитическим кодом: SQL optimization, data profiling.
Проектирует workflow использования AI IDE для analytics engineering: генерация, review, optimization. Создаёт шаблоны промптов для систематической разработки аналитических моделей с помощью AI. Внедряет AI-assisted analytics development подход для повышения продуктивности команды.
Определяет стратегию использования AI IDE для всей аналитической команды и стандартизирует workflow. Стандартизирует AI-assisted practices для analytics: шаблоны, процессы, метрики продуктивности. Внедряет культуру AI-augmented analytics development в команде.
Понимает базовое использование GitHub Copilot для BI-работы: использование подсказок для построения SQL-запросов, применение Copilot Chat для вопросов по ETL-логике, принятие автодополнений для скриптов трансформации данных. Следует командным руководствам по валидации AI-сгенерированного SQL и аналитического кода.
Самостоятельно настраивает GitHub Copilot для BI-воркфлоу: составляет эффективные промпты для генерации сложных SQL-запросов, использует Copilot Chat для руководства по оптимизации ETL, оценивает качество подсказок для точности трансформации данных. Понимает компромиссы между скоростью AI-ассистированного написания запросов и валидацией корректности данных.
Проектирует стратегии внедрения GitHub Copilot для BI-команд: оптимизирует prompt engineering для генерации сложного SQL и ETL-кода, внедряет валидацию для AI-сгенерированной логики трансформации данных, измеряет влияние на скорость аналитической разработки. Менторит аналитиков по эффективным практикам AI-ассистированной data engineering.
Определяет стратегию GitHub Copilot для BI-команд: устанавливает руководства для AI-ассистированной разработки SQL и ETL, проектирует воркфлоу валидации для AI-сгенерированного кода трансформации данных, обеспечивает внедрение лучших практик Copilot в процессах аналитической разработки.
CI/CD
▼
Понимает базовые концепции CI/CD для автоматизации деплоя аналитических моделей и отчётов. Может запустить существующий pipeline для обновления dbt-моделей или деплоя дашбордов. Знает структуру GitHub Actions workflow и может читать логи для диагностики ошибок.
Настраивает GitHub Actions для автоматического тестирования и деплоя dbt-моделей и ETL-пайплайнов. Конфигурирует CI pipeline для валидации SQL-запросов, data tests и schema changes. Автоматизирует обновление дашбордов и отчётов через scheduled workflows.
Проектирует CI/CD pipeline для полного lifecycle аналитических данных: от ingestion до dashboard deployment. Внедряет gitops-подход для управления аналитической инфраструктурой через version control. Оптимизирует время сборки через кеширование и инкрементальное обновление моделей.
Определяет CI/CD стратегию для всей аналитической команды: стандарты, workflow шаблоны, best practices. Стандартизирует автоматизацию деплоя для всех компонентов BI-платформы: модели, дашборды, алерты. Координирует с DevOps создание оптимальной инфраструктуры для analytics CI/CD.
Kubernetes и оркестрация
▼
Понимает базовые концепции Kubernetes для работы с контейнеризированными аналитическими сервисами. Знает основные объекты K8s и может проверить статус аналитических jobs в кластере. Может прочитать логи подов для диагностики проблем с ETL-процессами.
Деплоит и управляет аналитическими сервисами в Kubernetes: Airflow, Spark, dbt runners. Настраивает CronJobs и resource limits для ETL-процессов и scheduled аналитических задач. Конфигурирует persistent volumes для данных и настраивает networking между аналитическими компонентами.
Проектирует Kubernetes-архитектуру для аналитической платформы: auto-scaling, resource optimization, multi-tenancy. Оптимизирует инфраструктуру для batch и streaming workloads: Spark on K8s, Flink, Airflow KubernetesExecutor. Внедряет GitOps для управления аналитической инфраструктурой.
Определяет стандарты Kubernetes-деплоя для всех аналитических сервисов команды. Координирует с platform team требования к K8s-инфраструктуре для аналитических workloads. Стандартизирует подходы к resource management и cost optimization для BI-сервисов.
Prompt Engineering
▼
Использует AI-ассистентов для генерации SQL-запросов и скриптов трансформации данных. Формулирует чёткие промпты с описанием желаемого формата данных и бизнес-контекста. Итерирует промпты для уточнения аналитических результатов.
Создаёт переиспользуемые шаблоны промптов для повторяющихся аналитических задач (когортный анализ, воронки, детекция трендов). Строит цепочки промптов для сложных аналитических воркфлоу — от исследования данных до генерации инсайтов. Оптимизирует промпты по расходу токенов при сохранении качества.
Проектирует архитектуры промптов для корпоративных BI-воркфлоу: автоматическая генерация отчётов, перевод natural language в SQL и интерфейсы self-service аналитики. Внедряет версионирование промптов и регрессионное тестирование для аналитических пайплайнов. Оптимизирует баланс стоимость-качество между тирами моделей для BI-кейсов.
Определяет стратегию промпт-инжиниринга для BI-отдела. Устанавливает стандарты AI-ассистированной аналитики: шаблоны промптов, валидация выходов, метрики качества. Создаёт governance-фреймворк для использования AI в бизнес-отчётности — требования к точности, этапы ревью человеком и аудит-трейлы.
REST API
▼
Понимает базовые концепции REST API для BI-workflow: получение данных из API для отчётов, параметры запросов API для фильтрации данных, базовая аутентификация для API источников данных. Следует командным конвенциям извлечения данных через API.
Самостоятельно работает с REST API для BI: проектирование API-вызовов извлечения данных, реализация пагинации для получения больших датасетов, построение API-based коннекторов данных для BI-инструментов. Понимает лучшие практики кэширования данных API и эффективного использования параметров запросов.
Проектирует архитектуру API для доступа к BI-данным: слой data API для дашбордов отчётности, эффективная пагинация для аналитических запросов, стратегии обновления данных через API. Определяет API-контракты для интеграции BI с бэкендом. Менторит команду по API-driven архитектуре аналитики.
Определяет API-стратегию для доступа к BI-данным на уровне продукта: стандарты слоя data API для отчётности, governance интеграции данных через API, требования производительности аналитических API. Проводит архитектурные ревью API для интеграций BI-платформы.
System Design
▼
Понимает базовые концепции проектирования систем для контекстного анализа архитектуры данных. Знает основные компоненты data infrastructure: source systems, ETL, warehouse, BI tools. Может описать простую архитектуру аналитической системы: источники, хранилище, дашборды.
Проектирует архитектуру аналитических подсистем: data warehouse schema, ETL pipeline, caching layer. Оценивает trade-off при выборе технологий: batch vs streaming, star vs snowflake schema. Разрабатывает системный дизайн для analytics platform среднего масштаба.
Проектирует архитектуру enterprise data platform: lakehouse, data mesh, real-time analytics stack. Решает сложные задачи: data consistency, event-time processing, schema evolution, data versioning. Создаёт technical design documents и проводит архитектурные review аналитических систем.
Определяет системную архитектуру аналитической платформы и координирует техническое видение. Проводит design review и принимает архитектурные решения для data platform всего проекта. Менторит senior-аналитиков в навыках системного проектирования аналитических систем.
Unit-тестирование
▼
Понимает основы тестирования BI-артефактов: проверки валидации данных в отчётах, простая верификация вычисляемых полей, тесты точности данных дашбордов. Следует командным практикам проверки расчётов метрик и корректности вывода отчётов.
Пишет тесты для ETL-пайплайнов и аналитических трансформаций: проверка типов, null-значений, бизнес-правил. Создаёт data quality tests для мониторинга целостности данных в warehouse. Использует dbt tests и Great Expectations для автоматической валидации данных.
Проектирует стратегию тестирования данных для всей аналитической платформы: schema tests, data contracts. Внедряет автоматическое тестирование аналитических моделей и KPI-расчётов с regression detection. Разрабатывает фреймворк data quality monitoring с автоматическими алертами.
Определяет стандарты data testing и quality assurance для BI-команды проекта. Стандартизирует подходы к тестированию данных: инструменты, coverage requirements, CI/CD интеграция. Внедряет культуру data-quality-first через обязательное тестирование всех аналитических моделей.
Алгоритмы и структуры данных
▼
Понимает базовые алгоритмы сортировки и поиска для оптимизации SQL-запросов и обработки данных. Знает нотацию Big-O и может оценить производительность простых операций с данными в BI-инструментах. Использует знания алгоритмов для выбора эффективных методов агрегации и фильтрации датасетов.
Применяет знание алгоритмической сложности для оптимизации ETL-процессов и аналитических запросов. Оценивает производительность различных подходов к обработке данных: window functions, рекурсивные CTE, graph traversals. Выбирает оптимальные алгоритмы для задач кластеризации и сегментации данных.
Проектирует высокопроизводительные аналитические pipeline с учётом алгоритмической сложности каждого этапа. Оптимизирует сложные аналитические запросы с миллиардами записей через правильный выбор join strategies и partitioning. Создаёт performance benchmarks для различных подходов к обработке больших данных.
Определяет стандарты производительности аналитических запросов и ETL-процессов для всей BI-команды. Ревьюит аналитические решения команды на предмет алгоритмической эффективности и масштабируемости. Обучает аналитиков принципам оптимизации запросов на основе понимания алгоритмов.
Безопасность приложений
▼
Понимает базовые принципы безопасности данных и OWASP-уязвимости, релевантные для BI-систем. Знает основы защиты персональных данных и может применять базовое маскирование PII в отчётах. Осознаёт ответственность при работе с конфиденциальными данными в аналитических системах.
Применяет принципы data security при проектировании аналитических отчётов и дашбордов с PII. Реализует row-level security и data masking для защиты конфиденциальных данных в BI-инструментах. Проверяет SQL-запросы на уязвимости инъекций и обеспечивает безопасный доступ к данным.
Проектирует архитектуру безопасности данных для аналитической платформы: access control, encryption, audit. Внедряет data governance policies: классификация данных, retention, anonymization для compliance. Разрабатывает security review процесс для аналитических моделей и отчётов.
Определяет стратегию data security для всей BI-команды: policies, tools, compliance requirements. Стандартизирует подходы к защите данных в аналитических системах и дашбордах. Координирует с security-командой проведение аудитов и compliance проверок BI-платформы.
Понимает базовые принципы безопасного кодирования для защиты аналитических скриптов и данных. Знает правила обращения с credentials: не хардкодить пароли, использовать environment variables. Применяет базовую валидацию ввода при создании аналитических скриптов и ETL-процессов.
Применяет secure coding practices при разработке ETL-пайплайнов: parameterized queries, secrets management. Реализует безопасную работу с API-ключами и database credentials в аналитических скриптах. Проводит security review аналитического кода на типичные уязвимости: injection, exposure.
Проектирует безопасную архитектуру аналитических систем: encryption at rest, in transit, access control. Внедряет security best practices для data pipeline: secrets rotation, audit logging, least privilege. Разрабатывает security guidelines для аналитической команды с учётом data compliance.
Определяет стандарты secure development для всей аналитической команды проекта. Стандартизирует подходы к security в аналитическом коде: инструменты, review процесс, compliance checks. Координирует с security-командой аудит безопасности аналитических систем.
Веб-фреймворки
▼
Использует Python Web Frameworks на базовом уровне в Power BI/Tableau. Выполняет простые задачи по готовым шаблонам. Понимает базовые концепции и следует принятым в команде практикам.
Самостоятельно реализует задачи с Python Web Frameworks в Power BI/Tableau. Понимает внутреннее устройство и оптимизирует производительность. Пишет тесты с помощью data validation.
Создаёт внутренние аналитические дашборды и API отчётности на Flask и Dash. Оптимизирует эндпоинты запросов для агрегации больших датасетов. Выбирает между лёгкими и полноценными фреймворками для BI-инструментов. Менторит аналитиков по созданию self-service приложений.
Определяет архитектуру BI веб-приложений и платформ встроенной аналитики на Flask и Dash. Устанавливает стандарты проектирования API отчётов и стратегий кэширования. Проводит ревью дизайна бэкендов дашбордов и определяет дорожную карту инструментов self-service аналитики.
Интеграционное тестирование
▼
Понимает основы интеграционного тестирования пайплайнов данных BI-отчётов. Пишет простые тесты проверки точности данных между базами-источниками и датасетами дашбордов. Следует принятым в команде стандартам валидации обновления отчётов и подключений к данным.
Пишет интеграционные тесты для ETL-пайплайнов: проверка end-to-end flow от source до warehouse. Тестирует интеграции между источниками данных, трансформациями и BI-инструментами. Создаёт тестовые fixtures и mock-данные для воспроизводимого тестирования аналитических моделей.
Проектирует фреймворк интеграционного тестирования для аналитической платформы с автоматизацией. Разрабатывает contract tests между источниками данных и аналитическими моделями. Внедряет data lineage testing для проверки целостности всего аналитического pipeline.
Определяет стратегию интеграционного тестирования для всей аналитической команды проекта. Стандартизирует подходы к тестированию data integrations и inter-system dependencies. Внедряет обязательное интеграционное тестирование как gate для деплоя аналитических изменений.
Контейнеризация
▼
Понимает базовые концепции Docker для BI-работы: контейнеризованные экземпляры БД для локальной разработки, Docker-образы для зависимостей ETL-инструментов, базовый docker-compose для компонентов BI-стека. Использует готовые конфигурации для контейнеров аналитических платформ.
Самостоятельно настраивает Docker для BI-окружений: контейнеризованные сервисы БД и ETL, docker-compose для локального аналитического стека, Dockerfile для кастомных образов BI-инструментов. Понимает сетевое взаимодействие контейнеров для многосервисных BI-архитектур и управление volumes для персистентности данных.
Проектирует Docker-инфраструктуру для BI-платформ: архитектура контейнеризованного аналитического стека, оптимизированные образы для ETL/reporting сервисов, docker-compose для сложных многосервисных BI-окружений. Внедряет лучшие практики персистентности данных, стратегии бэкапов и настройку производительности в контейнеризованном BI.
Определяет стратегию Docker-инфраструктуры для BI-платформ: governance контейнеризованного аналитического стека, стандарты персистентности данных и бэкапов, фреймворки настройки производительности контейнеров. Проводит архитектурные ревью контейнеризованных BI-деплоев и оптимизирует FinOps для аналитических нагрузок.
Кэширование
▼
Понимает концепцию кеширования и роль Redis для ускорения аналитических запросов и дашбордов. Знает базовые операции Redis и может проверить наличие закешированных данных отчётов. Использует кеш для ускорения повторяющихся аналитических запросов в BI-инструментах.
Настраивает Redis-кеширование для аналитических дашбордов и API: TTL, cache keys, invalidation. Реализует кеширование результатов тяжёлых SQL-запросов и materialized views через Redis. Оптимизирует стратегию кеширования для баланса между свежестью данных и производительностью.
Проектирует архитектуру кеширования для аналитической платформы: multi-level cache, warming strategies. Реализует intelligent cache invalidation на основе data lineage и refresh schedules. Оптимизирует Redis-кластер для аналитических workloads с учётом memory management.
Определяет стратегию кеширования для всей BI-платформы: policies, tools, monitoring. Стандартизирует подходы к кешированию аналитических данных для команды разработки. Координирует cache architecture с performance requirements дашбордов и отчётов.
Логирование
▼
Понимает основы структурированного логирования для BI-работы: чтение логов приложений для отладки пайплайнов данных, понимание метрик на основе логов для мониторинга ETL, базовый синтаксис запросов к логам для расследования проблем обработки данных. Следует командным конвенциям логирования в компонентах аналитических пайплайнов.
Настраивает структурированное логирование для BI-пайплайнов: внедряет логирование для отслеживания ETL-задач и мониторинга качества данных, создаёт дашборды для видимости здоровья пайплайнов, настраивает алерты для аномалий обработки данных. Анализирует инциденты пайплайнов с использованием расследования на основе логов.
Проектирует стратегию наблюдаемости для инфраструктуры данных BI: внедряет сквозную трассировку для пайплайнов данных, определяет SLI/SLO для метрик свежести и качества данных, проводит post-mortem по инцидентам данных. Менторит аналитиков по отладке на основе логов для сложных проблем пайплайнов данных.
Определяет стратегию наблюдаемости для платформ данных BI: устанавливает SLO-based подход для надёжности и свежести пайплайнов данных, координирует управление инцидентами данных между аналитическими командами, оптимизирует MTTD/MTTR для инцидентов качества данных.
Многопоточность и конкурентность
▼
Понимает концепцию асинхронности для параллельной загрузки данных из нескольких источников. Знает базовые паттерны async/await в Python для неблокирующей работы с API и базами данных. Может написать простой скрипт параллельной загрузки данных из REST API.
Реализует асинхронную загрузку данных из множества API-источников для ETL-пайплайнов. Использует asyncio и aiohttp для параллельного извлечения данных с rate limiting и error handling. Оптимизирует время выполнения ETL через конкурентную обработку независимых data streams.
Проектирует асинхронные data ingestion pipeline для обработки real-time потоков данных. Реализует event-driven аналитические системы с использованием message queues и async consumers. Оптимизирует производительность batch и streaming ETL через корректную конкурентность.
Определяет стандарты асинхронной обработки данных для аналитической команды проекта. Стандартизирует подходы к concurrent data processing и error handling в ETL-системах. Координирует архитектуру real-time аналитики с использованием async-паттернов.
Понимает концепцию параллельной обработки данных для ускорения аналитических вычислений. Знает базовые подходы к parallelism в Python: threading, multiprocessing для обработки данных. Может использовать parallel pandas или Dask для ускорения простых трансформаций.
Применяет multiprocessing для параллельной обработки больших датасетов в ETL-пайплайнах. Использует concurrent.futures для одновременной загрузки данных из нескольких источников. Оптимизирует аналитические скрипты через корректное разделение работы между потоками и процессами.
Проектирует параллельные data processing pipeline с учётом GIL, memory sharing и data partitioning. Реализует distributed computing для обработки масштабных аналитических задач: Spark, Dask, Ray. Оптимизирует concurrency для real-time аналитики с учётом consistency requirements.
Определяет стандарты параллельной обработки данных для аналитической команды. Стандартизирует подходы к distributed processing и resource management в ETL-системах. Координирует выбор инструментов parallel computing для различных аналитических use cases.
Облачные провайдеры
▼
Понимает базовые концепции AWS для BI-нагрузок — S3 для дата-леёков, Redshift для хранилищ данных и QuickSight для дашбордов. Использует готовые конфигурации для инфраструктуры дата-пайплайнов. Выполняет простые операции — запросы к таблицам Athena и настройку источников данных QuickSight — под руководством.
Самостоятельно настраивает сервисы AWS для BI-пайплайнов — ETL-задачи Glue, управление кластерами Redshift и деплой дашбордов QuickSight. Пишет IaC для стандартных паттернов инфраструктуры хранилищ данных. Понимает VPC-сетевое взаимодействие для безопасного доступа к данным и политики IAM для кросс-аккаунтного обмена данными.
Проектирует инфраструктурные решения AWS для корпоративных BI-платформ — мультирегиональные кластеры Redshift, governance каталога данных Glue и корпоративные деплои QuickSight. Оптимизирует затраты через зарезервированные ноды Redshift, S3 Intelligent-Tiering для дата-леёков и right-sizing аналитических вычислительных ресурсов. Внедряет security hardening для нагрузок с данными через контроли доступа Lake Formation и шифрование на уровне столбцов.
Определяет стратегию инфраструктуры AWS для корпоративных BI-платформ, охватывающих дата-леёки, хранилища и аналитические сервисы. Формирует стандарты IaC для деплоев Redshift/Glue/QuickSight и data governance. Проводит архитектурные ревью, оптимизируя затраты на нагрузки данных, и продвигает FinOps для расходов на аналитические вычисления.
ООП и паттерны проектирования
▼
Знает базовые паттерны проектирования для структурирования аналитического кода: Factory, Strategy. Понимает назначение паттернов для создания модульных ETL-компонентов и аналитических инструментов. Применяет простые паттерны для организации кода загрузки и трансформации данных.
Применяет паттерны проектирования для создания гибких ETL-пайплайнов: Pipeline, Builder, Adapter. Использует Strategy для переключения между источниками данных и методами агрегации. Реализует Observer для мониторинга data quality и автоматического алертинга об аномалиях.
Проектирует аналитические фреймворки с использованием сложных паттернов: Abstract Factory для коннекторов, Mediator для orchestration. Создаёт архитектурные решения для масштабируемых data platforms с применением CQRS и Event Sourcing. Определяет кастомные паттерны для специфичных задач BI-домена.
Определяет стандарты архитектурных паттернов для аналитических систем всей команды. Ревьюит архитектурные решения аналитиков и рекомендует оптимальные паттерны для каждой задачи. Создаёт внутреннюю библиотеку паттернов для типичных BI-задач: ETL, reporting, data quality.
Понимает базовые принципы ООП для написания структурированного Python-кода в аналитических скриптах. Знает концепции классов и модулей для организации reusable аналитического кода. Создаёт простые классы для инкапсуляции логики обработки данных и генерации отчётов.
Применяет ООП-принципы для создания модульных ETL-компонентов и аналитических библиотек. Проектирует классы-трансформеры с чётким разделением ответственности для data pipeline. Использует наследование и полиморфизм для создания гибких коннекторов к различным источникам данных.
Проектирует объектную архитектуру аналитических фреймворков и ETL-библиотек компании. Применяет SOLID-принципы для создания расширяемых data processing pipeline. Создаёт абстрактные базовые классы для стандартизации работы с различными BI-инструментами и хранилищами.
Определяет архитектурные стандарты ООП-дизайна для всех аналитических скриптов и библиотек команды. Ревьюит код аналитиков на соответствие принципам clean code и модульного проектирования. Обучает BI-аналитиков применению ООП для написания поддерживаемого аналитического кода.
Сети
▼
Понимает базовые сетевые протоколы для работы с удалёнными источниками данных и cloud-сервисами. Знает основы HTTP, TCP/IP для диагностики проблем подключения к базам данных и API. Может использовать curl для тестирования доступности источников данных.
Настраивает сетевые подключения к различным источникам данных: VPN, SSH tunnels, SSL/TLS. Диагностирует сетевые проблемы при работе с cloud data warehouses и remote databases. Оптимизирует сетевые настройки для ускорения передачи больших объёмов данных между системами.
Проектирует сетевую архитектуру для аналитической платформы: security zones, connectivity, bandwidth. Оптимизирует data transfer между cloud и on-premise системами для ETL-процессов. Внедряет network security для аналитической инфраструктуры: private endpoints, firewall rules.
Определяет стандарты сетевой конфигурации для аналитических систем всей команды. Координирует с network-инженерами требования к connectivity для аналитической платформы. Стандартизирует подходы к secure networking для data pipeline и BI-инструментов.
Чистый код и рефакторинг
▼
Понимает основы Качество кода и рефакторинг на базовом уровне. Применяет простые концепции в рабочих задачах с использованием SQL/DAX. Следует рекомендациям senior-разработчиков при решении задач.
Самостоятельно применяет практики качества кода в BI-разработке. Пишет хорошо организованные DAX-меры и SQL-запросы с понятным именованием и документацией. Понимает компромиссы между производительностью вычислений и читаемостью формул. Ревьюит логику отчётов на консистентность метрик и целостность модели данных.
Проектирует стандарты качества кода для BI-кодовых баз: конвенции именования SQL/DAX, практики dashboard-as-code, стандартизация шаблонов отчётов. Рефакторит сложные вычисляемые поля Power BI/Tableau для сопровождаемости. Устанавливает процессы ревью для ясности модели данных и консистентности метрик между отчётами.
Определяет стандарты качества кода для BI-команды: конвенции именования DAX/SQL, процессы ревью дашбордов, governance шаблонов отчётов. Проводит архитектурные ревью дизайна моделей данных. Устанавливает quality gates для определений метрик и процессов публикации отчётов.