Домен
Базы данных
Профиль навыка
Этот навык определяет ожидания по ролям и уровням.
Ролей
1
где встречается этот навык
Грейдов
5
сформированная дорожка роста
Обязательных требований
0
ещё 5 — необязательные
Базы данных
Реляционные БД
22.02.2026
Выберите текущий грейд и сравните ожидания. Карточки ниже покажут, что нужно закрыть для следующего уровня.
Таблица показывает, как меняется глубина владения навыком от Junior до Principal.
| Роль | Обязательность | Описание |
|---|---|---|
| Data Scientist | Пишет SQL-запросы для извлечения и анализа данных: JOIN, GROUP BY, HAVING, подзапросы. Проводит EDA через SQL в data warehouse. Работает с агрегатными функциями и basic window functions для аналитических запросов. |
| Роль | Обязательность | Описание |
|---|---|---|
| Data Scientist | Пишет сложные аналитические SQL-запросы с window functions: LAG, LEAD, RANK, running totals. Создаёт CTE-based queries для feature engineering в data warehouse. Оптимизирует запросы через EXPLAIN ANALYZE и правильное индексирование. |
| Роль | Обязательность | Описание |
|---|---|---|
| Data Scientist | Проектирует SQL-based feature pipelines для production ML-систем. Оптимизирует запросы для BigQuery/Redshift/Snowflake с учётом partitioning, clustering, materialized views. Создаёт dbt-модели для reproducible data transformations. |
| Роль | Обязательность | Описание |
|---|---|---|
| Data Scientist | Определяет стандарты SQL-разработки для data science команды. Формирует shared SQL-модели и naming conventions. Координирует data engineering и data science для эффективной работы с data warehouse. |
| Роль | Обязательность | Описание |
|---|---|---|
| Data Scientist | Формирует стратегию data warehouse для ML-workloads на уровне организации. Определяет architecture для feature computation: SQL-first vs Python-first подход. Оценивает emerging SQL engines и их fit для ML use cases. |