Просмотр вакансии

О нас

DataLouna — киберспортивная аналитика нового поколения. Мы превращаем сырые данные CS2 и Dota 2 в статистику, предсказания, betting-линии и B2B-продукты.

Мы часть крупного киберспортивного холдинга, включая Team Spirit и другие проекты. Работаем с топовыми букмекерами и строим решения на стыке real-time data, backend и игровой аналитики.

Команда — 7 человек. Минимум бюрократии, много влияния на продукт и технические решения.

Кого мы ищем

Ищем сильного Backend Engineer на Node.js / TypeScript для работы с real-time data системой в киберспорте.

Роль для инженера, который умеет проектировать backend и data-системы вокруг нестабильных источников, live-данных и высокой цены ошибки. Мы работаем не через детальные ТЗ, а через продуктовые цели: нужно разобраться в домене, выбрать подход, реализовать решение и довести его до продакшна.

Чем предстоит заниматься

Не нужно быть экспертом во всех пунктах с первого дня. Это технический ландшафт, в котором предстоит работать и брать ответственность.

Сбор данных и внешние источники

• Писать на Node.js / TypeScript парсеры и скрейперы публичных сайтов, API, киберспортивных платформ и букмекерских виджетов.
• Работать с Playwright, proxy-инфраструктурой, DOM / WebSocket-фидами и обходом ограничений там, где это нужно.
• Интегрироваться с игровыми источниками: Steam Game Coordinator, демо-файлы матчей, live-данные CS2 / Dota 2.

Хранение и обработка данных

• Проектировать схемы PostgreSQL под новые источники и продуктовые фичи.
• Использовать ClickHouse для аналитики и больших объёмов данных.
• Маппить сущности между источниками: команды, игроки, матчи, турниры, события.
• Работать с индексами, партиционированием, миграциями и оптимизацией запросов.

Backend, real-time и пайплайны

• Развивать REST / GraphQL API для веб-приложений, админок, внутренних сервисов и B2B-интеграций.
• Делать стриминг live-данных матчей и коэффициентов через WebSocket / SSE / GraphQL subscriptions.
• Писать воркеры и пайплайны на BullMQ / Redis / PostgreSQL: retries, дедупликация, идемпотентность, обработка падений.

AI, интеграции и инфраструктура

• Интегрировать LLM API / Claude / Anthropic SDK для AI-комментариев матчей, анализа драфтов и других продуктовых фич.
• Писать сервисные интеграции: нотификации, вебхуки, мосты между внешними системами.
• Деплоить в GKE через GitLab CI + Flux CD, работать с Docker / Kubernetes-манифестами.

Стек

Node.js, TypeScript, PostgreSQL, ClickHouse, Redis, BullMQ, Docker, Kubernetes / GKE, GitLab CI, Flux CD.

Стек не догма. Если для задачи лучше подойдёт Kafka, NATS, Temporal или другой инструмент — обсуждаем, если есть аргументы и опыт.

Что важно

• Сильный backend-фундамент: данные, надёжность, асинхронщина, продакшн-мышление.
• Умение работать с неопределённостью: уточнять цель, исследовать варианты и приносить решение.
• Практичный подход к технологиям: выбирать инструмент под задачу.
• Ответственность за результат end-to-end: от исследования и архитектуры до прода и поддержки.

Условия

• $3,500–5,500, по опыту. Если у тебя редкий и очень релевантный опыт, готовы обсуждать условия отдельно.
• Удалённо, гибкий график.
• Небольшая команда и прямое влияние на продукт.
• Сложные backend / data задачи без корпоративной бюрократии.

Отбор

1. Короткий созвон с CTO, 15–20 минут: знакомство, опыт, базовая техническая калибровка.
2. Техническое интервью, 1.5–2 часа: опыт, system design, backend / data задачи.
3. Оплачиваемый испытательный срок: работаем сразу над реальными задачами продукта.

Как откликнуться

Обязательные короткие вопросы

Без ответов на эти 3 пункта отклик не рассматриваем.

1. AI в разработке

Какими AI-инструментами пользуешься в работе? Что из них настраивал под себя? Делал ли какие-то удобные решения или автоматизации для собственных задач?

2. Базы данных

С какими базами данных ты работал в продакшне? Коротко перечисли: PostgreSQL, ClickHouse, MongoDB, Redis, Elasticsearch, MySQL и т.д.

3. Киберспорт

Коротко про твой бэкграунд в Dota / CS: играл ли и насколько активно, разбираешься ли в профессиональной сцене: турниры, команды, форматы?

Необязательный вопрос от фаундера

Почему тебе кажется, что эта роль может хорошо тебе подойти? Если был похожий опыт с данными, парсингом, нестабильными внешними источниками, обработкой в реальном времени, очередями или бэкендом под нагрузкой, коротко опиши один кейс: что было сложного, как ты это решал и что делал сам.