Backend Engineer (Node.js, TypeScript, Data, Real-time)
Employment type: Полный рабочий день
Grade: Senior
Salary: от 3500 до 5500 $
Skills: PostgreSQL, GraphQL, TypeScript, Node.js, Kubernetes, Redis, RabbitMQ
Description:
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
Короткий созвон с CTO, 15–20 минут: знакомство, опыт, базовая техническая калибровка.
Техническое интервью, 1.5–2 часа: опыт, system design, backend / data задачи.
Оплачиваемый испытательный срок: работаем сразу над реальными задачами продукта.
Как откликнуться
Обязательные короткие вопросы
Без ответов на эти 3 пункта отклик не рассматриваем.
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.
