Инженер-тестировщик данных

1. Стратегия тестирования и ответственность за качество

• Формировать стратегию тестирования данных, влияющих на управленческую, финансовую и регуляторную отчетность.
• Определять уровни контроля качества, критерии приемки и подход к регрессионному тестированию.
• Брать ответственность за качество данных отдельного домена или функционального блока.
• Работать при неполных требованиях и выявлять риски качества данных.
• Участвовать в пользовательском тестировании аналитических решений совместно с бизнесом и аналитиками.
• Подготавливать стандарты приемки решений, связанных с данными, включая качество требований, тестируемость витрин и готовность отчетов к пользовательскому тестированию.

2. SQL и проверки данных

Использовать SQL как основной инструмент анализа данных.

Проектировать комплексные проверки для больших объемов данных и критичных бизнес-правил.

• Проверять корректность данных для управленческой, финансовой и клиентской аналитики.
• Проектировать тестовые наборы для проверки качества банковских данных: полнота, непротиворечивость, своевременность, уникальность, соответствие справочникам и бизнес-правилам.
• Учитывать особенности Greenplum: объемы данных, партии, ключи распределения и ограничения производительности проверок.
• Строить SQL-запросы по большим транзакционным наборам данных с учетом дат, статусов, версий записей и историчности.
• Проводить сверки источников, витрин и BI-отчетов.

3. Тестирование ETL, BI и автоматизация

• Тестировать ETL/ELT-процессы: загрузку, трансформацию, инкрементальность, повторные запуски, обработку ошибок и восстановление после сбоев.
• Валидировать сквозной путь: источник → DWH → витрина → отчет.
• Проверять BI-дашборды: метрики, фильтры, визуализации, полевую модель, соответствие данным источников и требованиям заказчика.
• Автоматизировать повторные проверки SQL-скриптами, средствами оркестрации или тестовыми фреймворками.
• Переводить повторные ручные проверки в автотесты или регламентные SQL-наборы для регрессионного тестирования.
• Проверять не только корректность данных, но и бизнес-ценность отчета: применимость метрик, понятность фильтров и соответствие управленческой задаче.

4. Качество данных и метрики

• Определять метрики качества данных: полнота, непротиворечивость, своевременность, уникальность, соответствие справочникам и бизнес-правилам.
• Проектировать метрики и отчеты по качеству данных для домена, включая контроль отклонений, трендов, полноты загрузок и критичных бизнес-правил.
• Формировать SQL-скрипты для регрессионной проверки критичных финансовых метрик и отчетных показателей.
• Участвовать в построении процессов Data Governance, приемки витрин, контроля происхождения данных и управления дефектами данных.
• Участвовать в анализе причин инцидентов качества данных и инициировать меры по предотвращению повторных ошибок.

5. Лидерство и улучшение процессов

• Наставлять QA-специалистов, проводить ревью тестовой документации, SQL-проверок и дефектов.
• Консультировать аналитиков, инженеров данных и заказчиков по качеству данных, тестируемости требований и рискам релиза.
• Формировать единые стандарты тест-дизайна для дата-проектов, шаблоны проверок, критерии готовности и отчетность по качеству.
• Определять процессы приемки и стандарты тестирования в команде.
• Помогать внедрять практики управления данными и культуру качества банковских данных.
• Формировать тест-кейсы, чек-листы, дефекты и отчеты о качестве данных в Jira или аналогичных системах.
• Предлагать улучшения тестового процесса, шаблонов проверок и приемочных критериев.
• Предлагать улучшения приемки витрин и отчетов: обязательные сверки, контрольные суммы, пороги отклонений и правила фиксации дефектов.

• Опыт QA для DWH, ETL/ELT, BI и решений, связанных с данными, не менее 5 лет, включая ответственность за качество данных по направлению или домену.
• Опыт тестирования в финансовых DWH/BI-проектах, включая проверку критичных витрин, финансовых показателей и отчетности.
• Понимание жизненного цикла разработки и тестирования решений, связанных с данными.
• Умение работать с требованиями, маппингами, бизнес-правилами и критериями приемки.
• Понимание типовых рисков качества финансовых данных: расхождения сумм, валют, дат операций, периодов отчетности, статусов документов, неполная загрузка операций.
• Понимание банковской предметной области на уровне основных продуктов, операций, финансовых показателей и типовых рисков качества данных.
• Опыт пользовательского тестирования аналитических решений совместно с бизнесом и аналитиками.
• Уверенное владение SQL: сложные запросы, соединения, агрегаты, подзапросы, оконные функции.
• Проектирование комплексных проверок для больших объемов данных и критичных бизнес-правил.
• Понимание особенностей Greenplum: объемы данных, партии, ключи распределения и ограничения производительности проверок.
• Опыт построения SQL-запросов по большим транзакционным наборам данных с учетом дат, статусов, версий записей и историчности.
• Опыт тестирования ETL/ELT-процессов: загрузка, трансформация, инкрементальность, повторные запуски, обработка ошибок и восстановление после сбоев.
• Опыт тестирования BI-дашбордов: метрики, фильтры, визуализации, полевая модель.
• Валидация сквозного пути: источник → DWH → витрина → отчет.
• Автоматизация повторных проверок SQL-скриптами, средствами оркестрации или тестовыми фреймворками.
• Опыт перевода повторных ручных проверок в автотесты или регламентные SQL-наборы.
• Определение метрик качества данных: полнота, непротиворечивость, своевременность, уникальность, соответствие справочникам и бизнес-правилам.
• Проектирование метрик и отчетов по качеству данных для домена.
• Участие в построении процессов Data Governance, приемки витрин, контроля происхождения данных и управления дефектами.
• Анализ причин инцидентов качества данных и инициация мер по предотвращению повторных ошибок.
• Аналитическое мышление.
• Умение объяснять сложные вещи простым языком.
• Умение структурировать информацию и фиксировать договоренности по итогам встреч.
• Навыки письменной коммуникации: понятные комментарии, статусы, описания решений, инструкции и документация.
• Ответственность за корректность результатов.
• Умение аргументированно отстаивать свою позицию.
• Управление ожиданиями заказчиков и смежных команд.
• Выявление неявных требований, противоречий и рисков в ходе коммуникации.
• Фасилитация обсуждений.
• Наставничество менее опытных специалистов и передача знаний внутри команды.

Будет плюсом

• Опыт работы с OpenMetadata или другими каталогами данных.
• Опыт настройки мониторинга качества данных и алертинга.
• Опыт внедрения автотестирования в DWH-проектах.
• Понимание SLA/SLO по качеству данных.