НовоеAI-конструктор резюме: правишь прямо на листе A4, а нейросеть подсказывает, что усилитьКонструктор резюме на листе A4Попробовать
JobPath
Начать бесплатно

Lukka

Blockchain Reference Data Analyst

  • Удалённо
  • India
  • сегодня

Blockchain Reference Data Analyst в компанию Lukka — аналитическая роль на стыке блокчейна и науки о данных. Вы будете создавать и поддерживать структурированные справочные данные для криптоактивов, разрабатывать модели качества данных с использованием Python, SQL и машинного обучения. Идеально подойдёт, если у вас есть опыт в Data Science и интерес к цифровым активам.

О позиции

Lukka специализируется на точных справочных данных для экосистемы цифровых активов. Эта позиция находится в центре продуктовой работы компании: вы создаёте фундаментальные данные, которые позволяют идентифицировать, классифицировать и связывать блокчейн-сети, токены, смарт-контракты и связанные с ними сущности. Роль требует аналитического мышления, исследовательских навыков и технической экспертизы в области анализа данных. Мы ищем не просто оператора данных, а аналитика, который может самостоятельно находить решения сложных задач качества информации в быстро меняющейся среде блокчейна.

Чем заниматься

  • Исследовать, идентифицировать и классифицировать структурированную информацию о блокчейн-сетях, цифровых активах, токенах, смарт-контрактах, протоколах и обменниках
  • Разрабатывать и поддерживать стандартизированные схемы, классификации, атрибуты и взаимосвязи для консистентной интерпретации справочных данных
  • Применять статистический анализ, обнаружение аномалий, кластеризацию и поиск похожих записей для выявления несоответствий и ошибок
  • Создавать автоматизированные рабочие процессы на Python для сбора, нормализации и обогащения справочных данных из публичных API и блокчейн-эксплореров
  • Применять rule-based и machine-learning подходы для разрешения идентичности сущностей, детектирования дубликатов и установления связей между активами
  • Определять измеримые критерии качества данных, правила валидации и пороги доверия для точности, полноты и консистентности информации
  • Расследовать противоречивую или неполную информацию из множественных источников, оценивать надёжность источников и документировать обоснование решений
  • Использовать AI-assisted инструменты для исследования, извлечения информации и классификации с обязательной валидацией результатов
  • Создавать мониторинговые дашборды для отслеживания покрытия, трендов качества данных и производительности обогащения
  • Коллаборировать с командами инжиниринга, продукта и операций для внедрения требований данных в продукты и конвейеры

Что ждут

  • 2–5 лет опыта в Data Science, Data Analytics, Data Engineering или аналитической роли с фокусом на справочные данные
  • Уверенное владение Python для анализа данных, трансформации, валидации и автоматизации
  • Опыт работы с Pandas/Polars и библиотеками NumPy, SciPy
  • Сильный SQL для профилирования данных, reconciliation и мониторинга качества
  • Понимание статистических методов, exploratory data analysis и измерения качества данных
  • Знание методик машинного обучения для classification, clustering, entity resolution или similarity matching
  • Опыт работы с REST APIs и форматом JSON
  • Понимание концепций ETL/ELT, нормализации данных и дизайна схем
  • Базовое понимание блокчейн-фундаменталов: сети, адреса, транзакции, токены, смарт-контракты
  • Опыт валидации информации через блокчейн-эксплореры и публичные API
  • Аналитические навыки расследования и внимание к деталям
  • Навыки коммуникации и документации технических решений
  • Готовность использовать AI-инструменты с критическим подходом к валидации результатов

Будет плюсом

  • Опыт работы с цифровыми активами или блокчейн-проектами
  • Знание EVM-compatible сетей, Bitcoin, Solana или других блокчейн-экосистем
  • Опыт работы со scikit-learn
  • Знакомство с облачными платформами AWS (S3, RDS)
  • Опыт работы с инструментами визуализации Power BI или Tableau
  • Понимание финансовых рынков и securities reference data
  • Знание entity master data, asset classification и taxonomy design
  • Опыт работы с orchestration tools и автоматизированными данными pipelines

Условия

  • Работа с передовыми технологиями в быстрорастущей сфере криптоактивов
  • Возможность применять AI-assisted инструменты в реальной продакшн-задаче
  • Кросс-функциональное взаимодействие с инженерными и продуктовыми командами
  • Конtribution к повышению прозрачности и надёжности всей экосистемы цифровых активов
  • Гибкие возможности коллаборации с международными командами
  • Возможность углубляться в технические детали блокчейн-протоколов
  • Поддержка continuous learning в области новых крипто-трендов и событий

Навыки

  • Python
  • SQL
  • Data Science
  • Data Analysis
  • Pandas
  • NumPy
  • SciPy
  • Machine Learning
  • scikit-learn
  • REST APIs
  • JSON
  • ETL
  • AWS S3
  • Entity Resolution
  • Blockchain
  • Data Quality
  • Statistical Analysis
  • Tableau
  • Power BI

Сложность отбора

Требует редкого сочетания специализированных знаний блокчейна и сильных навыков Data Science с ML. Кандидаты должны быть готовы исследовать неструктурированную информацию, работать с несколькими источниками одновременно и обеспечивать высокое качество данных без чётких ground truth.

Оценка JobPath

Зарплата по рынку

120 000 – 280 000 ₽ в месяц

Оценка основана на рынке Data Science/Data Analyst ролей в Индии с учётом специализации по блокчейну. Senior уровня специалисты в этой нише обычно получают около $30k-70k/year (~₹260k-₹600k/год), но роль требует комбинирования навыков, поэтому медианная оценка скорректирована к уровню mid-to-senior.

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

  1. Describe a time when you identified and resolved a significant data quality issue in your previous work.
  2. How would you approach validating conflicting information about a cryptocurrency token from multiple sources?
  3. Design a workflow using Python and public APIs to normalize wallet addresses across different blockchains.
  4. What statistical methods would you use to detect duplicates and anomalies in a large reference dataset?
  5. How would you incorporate AI/LLM tools into data enrichment while ensuring reliability and avoiding hallucinations?

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно

Связаться с поддержкой

Выбери, где удобнее написать