Интеграция данных и ПО, настройка подключения к источникам данных клиента (АСУ ТП, SCADA, счетчики, BMS, ERP, погодные сервисы, и т.д.). Обеспечение качества и целостности входящих данных. Интеграция аналитических модулей с платформой и отчетными системами.
Требования к Кандидату (Requirements)
Обязательные (Must-Have):
Опыт работы: от 3 лет в роли, связанной с интеграцией данных, IoT или промышленной автоматизацией.
Технические знания:
Глубокое понимание промышленных протоколов : OPC UA, Modbus, BACnet. Хотя бы одного-двух из списка.
Опыт работы с Linux (в консоли, а не UI)
Навыки автоматизация (элементарный уровень на Python)
Работа с IoT протоколами и архитектурами
Навык написания драйверов, коннекторы, конверторы и различное ПО для интеграции
Работал с MQTT
Желательные навыки (Nice-to-Have):
Опыт работы с API (REST) и форматами данных (JSON, XML, CSV).
Знание языков программирования/скриптовых языков : Python (предпочтительно), SQL, возможно Java/C#/Go.
Понимание основ облачных технологий .
Работа с базами данных: как реляционными (PostgreSQL, TimescaleDB), так и NoSQL (MongoDB, InfluxDB, Cassandra).
Понимание принципов ETL/ELT и потоковой обработки данных (Apache Kafka, Apache NiFi, AWS Kinesis).
Английский язык: на уровне чтения технической документации.
Приветствуется (но не обязательно):
Опыт в сфере энергетики, ЖКХ или энергоменеджмента . Понимание основных метрик (кВт*ч, кВт, кВАр, коэффициенты мощности и т.д.).
Знакомство с системами SCADA (Ignition, WinCC, GE iFIX) и BMS (Siemens Desigo, Schneider Electric EcoStruxure).
Опыт работы с ERP-системами (SAP, 1C) и интеграции данных из них.
Опыт контейнеризации приложений ( Docker, Kubernetes ).
Знание основ кибербезопасности для промышленных систем (IEC 62443).
Опыт использования инструментов для инфраструктуры как код ( Terraform, CloudFormation ).
Навыки работы с системами контроля версий ( Git ).
Личностные качества (Soft Skills):
Аналитический склад ума и умение решать сложные задачи: Способность разбираться в неструктурированных данных и нестандартных системах.
Коммуникабельность: Умение понятно объяснять технические вопросы как техническим, так и нетехническим специалистам (клиентам, менеджерам).
Проактивность и самостоятельность: Способность самостоятельно вести проекты интеграции от анализа до запуска.
Внимание к деталям: Качество данных критически важно для аналитики и AI/ML моделей в энергоменеджменте.
Клиентоориентированность: Понимание, что конечная цель предоставить клиенту работающее и ценное решение.