О нас
DataLouna — киберспортивная аналитика нового поколения. 4 года превращаем сырые данные CS2 и Dota 2 в уникальную статистику, предсказания и беттинг-линии.
Мы часть крупного киберспортивного холдинга (Team Spirit и другие проекты), работаем с топовыми букмекерами. Не только агрегируем базовые метрики, но и создаём собственные вместе с профессиональными аналитиками и тренерами. На этой базе строим B2B-решения: API, предиктивные модели, уникальные линии.
Команда: 7 человек. Минимум бюрократии, максимум влияния на продукт.
Кого мы ищем
Мы ищем инженера-исследователя со стартаперским майндсетом. У нас нет микро-задач с разжеванным ТЗ. Мы даем продуктовую цель (например: «нужен аналог dotabuff»). Дальше ты идешь сам:
Ресёрчишь домен (API, бинарные протоколы) и ограничения.
Выбираешь инструменты — задаешь вопрос «а нужен ли нам тут Kafka, если хватит Redis?».
Проектируешь БД, пишешь код и катишь в прод.
Идеальных условий нет: источники без API часто лежат, данные обфусцированы, потеря в live-матчах недопустима. Поэтому нам важен твой инженерный подход к отказам и умение строить надежные системы в хаосе.
Чем будет заниматься разработчик
(Тебе не нужно быть экспертом во всех этих пунктах с первого дня, но это тот технический ландшафт, в котором предстоит работать, развиваться и брать на себя ответственность).
Парсинг и сбор данных
- Писать на Node.js/TypeScript парсеры и скрейперы публичных сайтов и API (киберспортивные платформы, букмекерские виджеты) — работа с DOM, WebSocket-фидами, REST/GraphQL источниками.
- Обходить анти-бот защиту: прокси-инфраструктура, анти-детект-браузеры (Octobrowser), Playwright.
- Интегрироваться с бинарными протоколами (Steam Game Coordinator) и парсить демо-файлы матчей.
Обработка и хранение данных
- Проектировать схемы БД под новые продуктовые фичи и источники данных: таблицы, связи, индексы, партиционирование.
- Маппить и нормализовать сущности (команды, игроки, матчи, турниры) между разными источниками.
- Оптимизировать запросы и структуру под нагрузку — PostgreSQL для транзакционных данных, ClickHouse для аналитики и больших объёмов.
- Поддерживать миграции, версионирование схем и эволюцию данных без даунтайма.
Бэкенды для фронта и админок
- Развивать REST/GraphQL API для веб-приложений и админ-панелей.
- Делать real-time стримы через WebSocket / SSE / GraphQL subscriptions для live-данных матчей и коэффициентов.
Очереди и оркестрация
- Писать воркеры и пайплайны на BullMQ + Redis для парсинга, AI-обработки и сборки данных.
- Делать оркестраторы расписаний и фоновых задач.
AI-фичи
- Интегрировать Claude / Anthropic SDK для AI-комментариев матчей, анализа драфтов и других продуктовых фич.
Интеграции и DevOps-смежное
- Писать сервисные интеграции (нотификации, вебхуки, мосты между внешними системами).
- Деплоить в GKE через GitLab CI + Flux CD, работать с Docker/Kubernetes-манифестами.
Стек не догмат. Основной код мы пишем на TypeScript. Если для потоковой передачи данных лучше зайдёт Kafka, или для сложной оркестрации Temporal — мы открыты к обсуждению, если есть аргументы и опыт.
Условия
- 💰 $3,500 – 5,500 (в зависимости от опыта)
- 📍 Удалённо, гибкий график
Отбор
Созвон с CTO (15–20 мин) — знакомство, технические вопросы.
Техническое интервью (1.5–2 часа) — опыт, system design.
Оплачиваемый испытательный срок — работаем сразу над боевыми задачами
Как откликнуться
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 и инфраструктура данных
Расскажи про свой реальный опыт: приходилось ли самому проектировать схему базы под конкретную задачу — что это была за задача, какие решения принимал? Настраивал ли брокеры сообщений — какие, в каком контексте, что было нетривиального? Не перечисляй стек — опиши, что делал руками.
3. Киберспорт
Коротко про твой бэкграунд в Dota/CS: играл ли (и насколько активно) и разбираешься ли в профессиональной сцене (турниры, команды, форматы)?
Похожие вакансии
Программирование на С++ от 5 лет стандартов 14/17 и выше. Опыт многопоточного программирования и понимание принципов синхронизации (в том...
Оптимизация скорости работы и стабильности приложений. Что для этого нужно. Опыт разработки под iOS от 3-х лет.
Глубокое понимание ML: классические подходы, нейронные сети (включая современные трансформеры), NLP, CV. Уверенная работа с инструментами: PyTorch, transformers, MLflow / ClearML...
Практический опыт разработки в рамках платформы .NET 1-3 года. EF. PostgreSQL: сложные запросы, оптимизация, понимание внутреннего устройства.
Опыт коммерческой iOS разработки от 2-х лет. Уверенное знание Swift и SwiftUI. Базовое понимание UIKit для интеграции UIKit-оберток...
