Solutions Architect

О позиции

Cube — это платформа для организации данных и аналитики, которой доверяют более 400 компаний по всему миру. Мы создаём универсальную семантическую основу, которая позволяет ИИ-агентам работать вместе с людьми над общими данными. Как Solutions Architect вы станете техническим мостом между нашей продукцией и инфраструктурой клиентов, проектируя и внедряя решения, которые решают сложные задачи работы с данными. Это роль, где ваши навыки SQL и анализа данных напрямую влияют на успех наших клиентов.

Будет плюсом

• Опыт работы с Cube.js или аналогичными платформами семантического слоя
• Бэкграунд в аналитической инженерии или ролях platform data, знакомство с dimensional modeling best practices
• Знакомство с REST/GraphQL APIs и тем, как приложения потребляют аналитику
• Опыт работы с caching strategies и оптимизацией производительности для аналитических workload
• Опыт работы с облачными дата-хаусами (Snowflake, BigQuery, Databricks, Redshift) и понимания multi-tenancy, access control, data governance
• Опыт embedded analytics или разработки data-powered приложений
• Знакомство с AI/LLM integration с семантическими слоями и вклад в open-source проекты

Условия

• Удалённая работа из любой точки мира
• Работа в полностью распределённой команде из Сан-Франциско
• Возможность влиять на продукт через фидбек от клиентов
• Командная культура и коллаборативная среда
• Возможность occasional travel на встречи с клиентами и мероприятия компании
• Работа с передовой технологией на стыке данных, аналитики и AI

Навыки

• SQL
• Data Modeling
• YAML
• JavaScript
• Python
• API Development
• Snowflake
• BigQuery
• Amazon Redshift
• Semantic Layer
• Metrics Layer
• ETL/ELT
• Data Warehouse
• BI Tools
• Performance Optimization
• Caching Strategies
• REST API
• GraphQL
• Dimensional Modeling
• Data Governance
• Analytics Engineering

Могут спросить на собеседовании

1. Опишите ваш опыт проектирования семантических слоёв или подобных абстракций над данными. Какие вызовы возникали и как вы их решали?
2. Приведите пример сложного SQL-запроса, который вы писали ранее. Как вы его оптимизировали и какие техники использовали?
3. Как бы вы подошли к пониманию требований клиента со сложной legacy-архитектурой данных? Опишите ваш процесс discovery.
4. Какие best practices вы применяете при построении моделей данных и определении метрик в организации?
5. Расскажите о ситуации, когда вам пришлось адаптировать техническое решение под конкретные ограничения или требования бизнеса. Как вы нашли баланс?