сбербанк: Низкие зарплаты, слабая система задач, мало ресурсов.

речь пойдёт о внутреннем аудите, где должности относятся к обычному не-IT-аккредитованному Сберу, поэтому высоких зарплат, гибких процессов разработки, удалёнки и т.п. ждать не стоит. На hh такие вакансии можно найти как «эксперт/специалист по цифровым технологиям аудита», а иногда и «data engineer/analyst/scientist/дата аналитик».

Кому подойдёт: можно рассматривать данный вариант, если ты студент или «вкатун» из не-IT-специальности, который желает попасть в de/ds/da и не против достаточно сильно погрузиться в банковские процессы. Погружение может оказаться довольно сложным и глубоким, но в свою очередь открывает путь в финтех, бигтех по дата-направлениям. Если же ты планируешь сразу попасть в полноценные DE/DS с рыночной зп и готов немного поработать над собой, то рекомендую обходить данные вакансии стороной.

Суть работы: всё зависит от направления, куда тебя возьмут. Есть аудит корпоративного бизнеса, розничного, аудит моделей, некредитных операций, IT-процессов, кибербезы и пр. В каждом отделе своя специфика, но глобально суть одна — тебе, как «айтишнику», нужно сопровождать аудиторские проверки. «Аналитики» придумывают, какие процессы проверять, где и какой фрод искать, а ты будешь заниматься поиском и сбором фактуры: собирать отчёты на sql/pyspark, выверять данные в системе и в витринах, парсить внешние источники. Если повезёт, то можно попасть на проекты с computer vision, speech-to-text, ml-разработкой и пр. Иногда приходится пилить какие-нибудь внутренние инструменты и даже чат-боты (а Сбер сейчас помешался на всякого рода ИИ).

Звучит интересно? На первый взгляд так и есть. Но по факту будь готов разочароваться: интересных проектов мало, а система постановки задач крайне ущербная: дать тебе задачу могут и аналитики (твои коллеги), и менеджеры (что-то вроде PM), и начальник отдела, и вышестоящие руководители, и всё это независимо друг от друга + с дедлайном «нужно было ещё вчера». Приоритезации задач практически нет: обычно приходится заниматься несколькими задачами одновременно, потому что здесь горят сроки, здесь кому-то пообещали помочь, здесь надо засветиться перед Москвой и т.п. Ресурсов на работу выделено крайне мало, поэтому приходится долго висеть в очередях, открывать несколько спарк-сессий на разных кластерах и работать. Параллельно штудируешь конфлюенс в поисках описания витрин, изучаешь архитектуру систем, терпишь набеги коллег с очередными просьбами (выгрузи мне это, почини мне компьютер, ты же айтишник). Вечером после окончания рабочего дня тебя может ждать очень срочная встреча с директором, а дома занимаешься парсингом, потому что из-за ограничений безопасности с рабочего компа этим заниматься нельзя, а сроки горят.

Что по зп: получать ты будешь небольшой оклад (полагаю, что вилки для 8−10 грейдов сейчас колеблются в диапазоне 55−70 на руки) + один оклад в квартал в виде премии + 2.5 оклада, если доработал до нового года. Если ты весь год был нормис, твой среднемесячный доход с учётом всех премий скорее всего будет в диапазоне 90−110к. Премирование работает максимально странно: твои старания и заслуги могут вообще никак не учитываться, потому что «а вот в другом отделе человек сделал больше, и оценку решили повысить ему» или «вы с ним получили одинаковое количество баллов, но мы выбрали его, потому что он ниже грейдом». Оценки выставляются директором, а не руководителем, а тот в свою очередь о вашем существовании может и вовсе узнать только на этапе оценивания.

Есть ли плюсы: относительно лёгкий вкат в IT  (достаточно на базовом уровне уметь в python/sql и заявить, что слышал про spark/hadoop и минимально умеешь в ML — последние 2 пункта всё равно никто проверять не будет), возможность поковыряться в DWH банка, жёстко натренировать навыки по sql на реальных данных, научиться работать с hdfs, вникнуть в работу hadoop и postgre, поиграться в ML и при этом получать не самую днищенскую зп.