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 бізне
