Analytics Engineer
SKELAR
Technology, Information and Internet · 1,001-5,000 employees
About the role
The Analytics Engineer will build and maintain scalable data transformations and pipelines to support high-volume marketing data. They will ensure data accuracy and privacy compliance to optimize advertising budgets and campaign scaling.
What they look for
Requirements
Candidates must have expert-level SQL skills, experience with dbt and BigQuery, and a strong grasp of data modeling. Proficiency in Python and experience with performance marketing metrics like ROAS and CAC is highly preferred.
Benefits
Full description
Що варто знати про SKELAR? Це венчур-білдер — іншими словами, компанія, яка будує компанії. З нами фаундери створюють consumer-бізнеси, які стають лідерами на глобальних ринках EdTech, Mental health, Petcare, FashionTech та інших.
Скеларівці будують tech-продукти, які здобувають відзнаки від Product Hunt, The Webby Awards та отримують тисячі позитивних відгуків на TrustPilot. Загалом tech-продуктами наших бізнесів користуються 10+ млн людей у світі. Усе завдяки сильним командам, бо наші спеціалісти — це ключова цінність SKELAR.
Для професійної реалізації ми створили середовище з експертизою та необмеженими можливостями — і шукаємо тих, хто прагне викликів.
Зараз ми в пошуку Analytics Engineer, щоб разом піднімати планку результату.
Виклики, які чекають на цій ролі:
- Обʼєм даних - десятки рекламних мереж і платформ, сотні таблиць з сирими даними та тисячі аналітичних процесів щодня.
- Вартість запитів - при обсягах у сотні TB на день, невдалий запит без партиціонування — це різниця між витраченими $0.05 або $100+.
- Швидкість vs точність - маркетинг хоче коректний звіт "зараз", дані оновлюються з лагом 1-24 год.
- Приватність — PII-поля потребують окремої обробки на кожному етапі pipeline.
На що ти будеш впливати:
- Бюджетні рішення - неточний ROAS = гроші йдуть у неефективний канал.
- Швидкість масштабування кампаній - затримка звіту на годину = втрачене вікно для оптимізації.
- Довіра команди до цифр - одна помітна помилка підриває довіру до всіх наступних звітів.
- Compliance-ризики - неправильна обробка PII = юридичні наслідки.
Що для нас важливо:
- Розуміння того, що дані — це не звіт, а сигнал, який напряму керує рекламними алгоритмами: ми генеруємо ~80 000 оптимізаційних подій щодня, і кожна помилка в них конвертується в реальні втрачені гроші.
- Ідеальне знання SQL — вміння писати ефективні запити на великих обсягах (мільйони рядків/день), розуміти партиціонування, кластеризацію і вартість запитів у BigQuery.
- Досвід роботи з dbt (Dataform — плюс) — вміння будувати і підтримувати трансформації як код, з тестами і документацією, а не через разові скрипти.
- Data modeling — здатність спроєктувати структуру даних так, щоб вона витримувала ріст компанії, а не ламалась при кожній новій вимозі бізнесу.
- Уважність до деталей на рівні пайплайну — вміння помітити аномалію в потоці подій раніше, ніж це зробить бюджет кампанії.
- Вміння працювати на стику продукту, маркетингу і реклами — розуміти, що "подія" це не просто рядок в таблиці, а сигнал, який летить у Meta, Google, TikTok і формує майбутній таргетинг.
- Проактивність: готовність не просто фіксувати проблему постфактум, а вибудовувати моніторинг і алерти, які ловлять збій у зборі подій до того, як він вплине на кампанії.
Буде перевагою:
- Python — для автоматизації рутинних процесів, написання скриптів валідації даних, кастомних інтеграцій з рекламними API.
- Досвід побудови ETL/ELT пайплайнів "з нуля" — не лише трансформації в dbt, а й розуміння повного шляху даних: від джерела (рекламні мережі, пікселі, CRM) до аналітичної вітрини.
- CI/CD для дата-пайплайнів — досвід автоматизованого тестування і деплою трансформацій (наприклад, через GitHub Actions чи аналоги), щоб зміни в моделях не ламали продакшн непомітно.
- Розуміння контексту performance-маркетингу — що таке ROAS, CAC, LTV, атрибуція, оптимізаційні події, воронка від кліку до конверсії; досвід роботи з даними рекламних платформ (Meta, Google, TikTok) — величезний плюс, бо дозволяє розуміти "навіщо" за кожною метрикою, а не лише "як" її розрахувати.
У SKELAR ми побудували середовище для професійної самореалізації:
- SKELAR Platform. Це операційне ядро венчур-білдера, що допомагає фаундерам швидше проходити шлях від нуля до одиниці. Так команди бізнесів фокусуються на продукті — а 10+ команд в складі Platform закривають функції Legal, Finance, HR, Admin, Talent Acquisition, Employer Branding, IT та інші.
- Нетворк та обмін досвідом як частина культури. Серед наших колег — кофаундери, які запустили не один бізнес, а також найсильніші спеціалісти на ринку. Тож ми маємо доступ до необхідної експертизи на відстані витягнутої руки.
- Ексклюзивна доменна освіта. Ми створили власні навчальні програми для тіммейтів на вибір — від 2-місячної школи для менеджерів-початківців до інтенсивів про AI та професійних клубів з розробки, продакт-менеджменту тощо.
- Вплив на системну допомогу Україні. Маємо благодійний фонд SKELAR foundation, який створили самі скеларівці — і завдяки кожному співробітнику втілюємо важливі соціальні проєкти. Наприклад, заснували перший у Європі акселератор для ветеранів і формуємо майданчик для підтримки ветеранів на рівні держави.
- Екосистема для продуктивної роботи. Для скеларівців створені простори, які надихають на результат — з власним спортзалом, скеледромом, зеленими зонами Bali та бібліотеками. У спейсах, де сервіс, безпека та комфорт синхронізовані з темпом зростання команд, отримуємо вау-досвід та працюємо ефективніше.
- Турбота про щоденний комфорт. Сніданки, обіди, доступ до спортивних тренувань в Києві або часткова компенсація занять у Варшаві, медичне страхування, оплачувані відрядження, якщо специфіка ролі передбачає такі поїздки, корпоративні знижки від партнерів.
Більше розповімо на нашій зустрічі-знайомстві.
Запрошуємо будувати the next big everything у SKELAR разом!