Роман Дьяков

Разработка специализированных поисковых сервисов

Управление командой

• Руковожу командой из 5 разработчиков уровня middle и senior.
• Лидирую весь HR-цикл по работе с персоналом: от момента заявки в найм до оценки развития карьерных треков, увольнения сотрудников.
• Отвечаю за работу с командой: 1-to-1, дэйли, ретро, страт сессии.

Операционные задачи

• Разрабатываю поисковые инструменты на Python (FastAPI) и C++ (userver) для интеграции в продукты группы компаний: Звук, СберТВ, СберБум.
• Участвую в создании RAG-системы для GigaChat: проектирование архитектуры, разработка и оптимизация компонентов.
• Инициировал и внедрил практики, повышающие качество и стабильность кода: переработка архитектуры микросервисов для улучшения maintainability, observability (метрики, логи, мониторинг) и CI/CD (автоматические тесты и релизы).

Разработка системы мониторинга активности сообществ и организации инструментов сообществ

Результаты

• Запустили MVP продукта в двух инсталляциях.
• Привлекли в систему пользователей: DAU 800-1.000, MAU 10.000, retention через месяц составил 80% в течение года работы сервиса.
• Вырастил не менее пяти разработчиков с уровня стажера до middle+ в крупных ИТ компаниях: Яндекс, Сбер и др.

Управление командой

• Сформировал с нуля команду из 30 разработчиков разных уровней: part-time senior, middle, начинающие разработчики. Отвечал за весь цикл работы с технической командой: отбор, онбординг, 1-to-1, карьерные треки, мотивация, тимбилдинги, увольнение. Организовал процессы работы команд с использованием Agile-практик.
• Определял требования к системе совместно с Co-Founder, формировал бэклог разработки из бизнес-задач, распределял рабочее временя в команде.

Разработка инфраструктуры конкурентной аналитики Яндекса

Результаты

• Реализовали новую систему сбора данных о конкурентах и формирования ценовых статистик. Сократили время обновления цен с 12 до 1-2 часов. Данное изменение снизило количество жалоб от коммерческого департамента на нерыночные цены на 80%.
• Переработали архитектуру сервисов сбора цен конкурентов для быстрого обнаружения и диагностики ошибок: разработали систему стоп-кранов, dry-запусков и А/Б тестирования новой функциональности в различных окружениях. Уменьшили время простоя продакшн системы. Время обнаружения ошибок уменьшили с нескольких дней до нескольких часов, время отката сократили с нескольких часов до нескольких минут.

Управление командой

• Руководил командой из 4 разработчиков Python/C++ уровней Junior и Middle.
• Отвечал за полный HR-цикл работы с командой: проведение собеседований, онбординг новичков, 1-to-1, карьерные треки и развитие, проведение дэйли, ретро и планирований, организовывал тимбилдинги, отвечал за увольнение.
• Формировал бэклог разработки из бизнес-задач, занимался декомпозицией и распределением рабочего времени в команде.
• Взаимодействовал с командами инфраструктуры по вопросам предоставления данных, вычислительных ресурсов, инфраструктурных решений и доработок в интересах Яндекс Маркета.
• Взаимодействовал с заказчиками из Маркета и других бизнес-юнитов Яндекса о предоставлении им данных и планировании доработок в системы.

Разработал модуль программы для обработки экспериментальных данных: определение направления движения мюонов в детекторе JUNO с помощью водного Черенковского детектора. Частота определения мюонов увеличилась на 36-87%, эффективность увеличилась на 7-35%. Python3, C++ 11, CERN ROOT, OpenMP.

• Руководил проектами в рамках корпоративной школы аналитики, координировал работу команд студентов и аналитиков, доведя более 10 проектов до стадии MVP. Завершенные проекты освободили 30–70% рабочего времени аналитиков-участников школы по отзывам их руководителей. Продуктами пользовалось до 80% сотрудников группы компаний Сибур.
• Разработал и внедрил систему мониторинга и мотивации участников школы аналитики, увеличив вовлеченность на 30% и удвоив количество проектов школы, доведенных до MVP.
• Руководил разработкой self-service ETL-инструмента для аналитиков: разработал архитектуру, организовал совместную работу команды, тестирование и мониторинг системы. В результате сроки загрузки данных в DWH сократились с нескольких месяцев до 2–3 дней, а объем описанных пользовательских данных в хранилище увеличился в 3 раза.