Что должен уметь Lead }

Определяет алгоритмические стандарты для аналитической команды: практики оптимизации запросов, критерии выбора статистических алгоритмов, бенчмарки эффективности обработки данных. Проводит ревью алгоритмических подходов в сложных аналитических отчётах.

Определяет стандарты качества кода для аналитической команды: контроль соблюдения SQL style guide, требования к документации ноутбуков, стандарты воспроизводимости. Проводит ревью аналитической методологии и дизайна пайплайнов данных. Устанавливает quality gates для кода продакшен-отчётов.

Определяет стандарты структур данных для аналитической команды: конвенции аналитических моделей данных, паттерны обработки данных в ноутбуках, структуры валидации качества данных. Проводит ревью аналитической методологии и дизайна пайплайнов данных. Устанавливает командные гайдлайны для воспроизводимого анализа данных.

Определяет стандарты Elasticsearch/OpenSearch для аналитических команд: конвенции проектирования индексов, бенчмарки производительности запросов и управление пайплайнами ingestion. Продвигает adoption аналитики на основе поиска и исследование данных из логов.

Определяет архитектуру платформ исследования данных и API метрик на Flask и Streamlit. Устанавливает стандарты проектирования эндпоинтов запросов, пагинации и форматов экспорта данных. Проводит ревью дизайна аналитических бэкендов и определяет дорожную карту внутренних инструментов работы с данными.

Определяет стратегию кэширования Redis для аналитических платформ — формирует стандарты кэширования результатов запросов, SLA свежести данных дашбордов и политики инвалидации кэша агрегаций. Проводит ревью дизайна архитектур аналитического кэширования и определяет техническую дорожную карту для производительности self-service аналитики.

Определяет стратегию индексирования и стандарты доступа к данным для аналитических команд. Устанавливает политики управления индексами, бенчмарки производительности и планирование ёмкости для аналитических БД. Проводит ревью решений по индексированию для архитектур data warehouse и lake house. Создаёт обучающие материалы по оптимизации запросов и дизайну индексов.

Определяет стратегию оптимизации запросов для аналитических команд. Устанавливает стандарты производительности доступа к данным, политики governance запросов и управление затратами для query-intensive нагрузок. Проводит ревью архитектур доступа к данным. Создаёт лучшие практики query engineering и программы обучения для data-команд.

Определяет стандарты моделирования данных среди аналитических команд. Устанавливает процессы ревью проектирования схем, гайдлайны миграции и правила обратной совместимости. Продвигает adoption консистентных паттернов моделирования и общих аналитических витрин.

Устанавливает стандарты и лучшие практики запросов ClickHouse для аналитической команды, включая соглашения об именовании и рекомендации по производительности. Ревьюит сложные аналитические запросы и менторит аналитиков по оптимизации оконных функций и выбору приближённых алгоритмов. Координирует решения по моделированию данных, балансируя гибкость запросов с эффективностью хранения.

Определяет командные стандарты разработки аналитического SQL в MySQL, включая шаблоны запросов, паттерны CTE и управление жизненным циклом временных таблиц. Обучает аналитиков продвинутым оконным функциям, техникам оптимизации запросов и корректному использованию специфических возможностей MySQL, таких как генерируемые столбцы. Координирует с командой дата-инжиниринга эволюцию схемы MySQL для поддержки растущих аналитических требований.

Определяет стратегию данных PostgreSQL для аналитических команд: устанавливает стандарты паттернов аналитических запросов и моделирования данных, проектирует архитектуру доступа к данным для self-service аналитики, обеспечивает внедрение лучших практик оптимизации PostgreSQL в командах данных.

Определяет стратегию API-документации для сервисов аналитических платформ данных и self-service доступа к данным. Формирует стандарты проектирования для документации API запросов данных, включая руководства по производительности и политики governance. Координирует кросс-командные ревью документации, обеспечивая юзабилити API данных для персон аналитиков.

Определяет API-стратегию для доступа к аналитическим данным на уровне продукта: стандарты data API для аналитических workflow, governance дата-пайплайнов через API, требования производительности аналитических эндпоинтов. Проводит архитектурные ревью API для интеграций дата-платформы.

Определяет стратегию аналитических пайплайнов и стандарты управления Airflow. Устанавливает конвенции именования DAG, требования к тестированию и практики мониторинга. Продвигает self-service создание пайплайнов среди аналитических команд.

Определяет стратегию аналитических дашбордов и стандарты визуализации в организации. Формирует аналитическую платформу для self-service когортного анализа и отчётности A/B-тестов. Координирует аналитические команды и устанавливает governance метрик, обеспечивая статистическую строгость.

Определяет стратегию adoption каталога данных среди аналитических команд. Устанавливает стандарты метаданных, процессы ревью и гайдлайны контрибуции в каталог. Измеряет влияние каталога на продуктивность аналитиков и эффективность обнаружения данных.

Определяет стандарты контрактов данных среди аналитических команд. Устанавливает процессы ревью контрактов, workflow утверждения и пути эскалации нарушений. Продвигает культуру contract-first среди потребителей и производителей данных.

Определяет стандарты lineage данных среди аналитических команд. Устанавливает требования документации lineage, метрики покрытия и процессы ревью. Продвигает организационное adoption инструментов lineage для управления данными и compliance.

Руководит стратегией качества данных для аналитических команд. Формирует архитектуру платформы с проверками качества на каждом этапе пайплайна. Координирует внедрение data mesh с доменной ответственностью за качество. Устанавливает KPI качества и процессы улучшения.

Формирует стратегию аналитического слоя хранилища, определяя подходы команд к моделированию фактов и измерений для кросс-доменного анализа. Устанавливает стандарты документирования схем, оптимизации паттернов запросов и жизненного цикла аналитических таблиц. Сотрудничает с платформенными командами для принятия архитектурных решений, повышающих продуктивность аналитиков и доступность данных.

Определяет стандарты dbt-трансформаций среди аналитических команд. Устанавливает конвенции слоёв моделирования, требования покрытия тестами и workflow деплоя. Продвигает self-service dbt-разработку среди аналитических команд с правильными ограждениями.

Определяет стратегию data engineering для аналитических команд. Формирует data-платформу: выбор инструментов и стандарты для трансформации данных, оркестрация пайплайнов и governance качества. Координирует аналитические команды по общим data-ассетам и лучшим практикам. Продвигает внедрение современных фреймворков обработки данных (Polars, DuckDB) для аналитических нагрузок.

Определяет стандарты ETL и методологию очистки данных для аналитических команд. Устанавливает governance определения когорт, координирует кросс-командные воркфлоу подготовки датасетов и продвигает воспроизводимые аналитические пайплайны.

Определяет стратегию трекинга экспериментов для аналитических команд: стандартизирует документирование проверки гипотез, статистических методологий и результатов решений; строит фреймворки, связывающие аналитические эксперименты с измерением бизнес-влияния

Определяет стратегию аналитической команды по применению scikit-learn в системах BI и поддержки решений. Устанавливает стандарты валидации моделей, документирования допущений и воспроизводимой отчётности. Проводит ревью, обеспечивая статистическую строгость и интерпретируемость для стейкхолдеров.

Определяет стратегию внедрения ChatGPT/Claude для команд аналитики данных. Формирует стандарты AI-ассистированных аналитических процессов, автоматизированных пайплайнов EDA и prompt engineering для статистического анализа. Проводит ревью, обеспечивая соответствие AI-сгенерированных инсайтов стандартам аналитической строгости и требованиям data governance.

Определяет стратегию GitHub Copilot для аналитических команд: устанавливает руководства для AI-ассистированной разработки кода анализа данных, проектирует воркфлоу валидации для AI-сгенерированного статистического кода и кода визуализации, обеспечивает внедрение лучших практик Copilot в командах данных.

Определяет стратегию промпт-инжиниринга для команд аналитики данных. Устанавливает лучшие практики AI-аугментированного анализа: стандартизированные форматы промптов, требования воспроизводимости и воркфлоу валидации. Проводит ревью промпт-основанных аналитических пайплайнов на точность и надёжность. Создаёт программы обучения промпт-инжинирингу для data-специалистов.

Определяет стратегию наблюдаемости для платформ аналитики данных: устанавливает SLO-based подход для качества и задержки аналитических данных, координирует управление инцидентами данных для аналитических команд, оптимизирует MTTD/MTTR для сбоев обработки данных.

Определяет стратегию наблюдаемости для аналитических платформ: устанавливает SLO-based подход для качества аналитических данных и задержки обработки, координирует управление инцидентами обработки данных, оптимизирует MTTD/MTTR для сбоев аналитических пайплайнов.

Определяет стратегию код-ревью для аналитической команды: стандарты ревью SQL, governance ревью трансформаций данных, практики ревью статистической методологии. Устанавливает культуру ревью для воспроизводимости и корректности аналитического кода.

Определяет Git-стратегию для аналитических команд: устанавливает стандарты ветвления для совместных аналитических воркфлоу, проектирует процессы code review для общих аналитических активов, обеспечивает внедрение контроля версий для ноутбуков и SQL в командах данных.