Data engineer w iGamingu: po co kasynu osobna platforma danych

W zwykłym produkcie SaaS analityka może się spóźniać o dobę i nic strasznego się nie stanie. W kasynie online doba opóźnienia oznacza, że media buyer przez kolejny dzień leje budżet na źródło, które przyprowadza bonus abuserów, a antyfraud widzi serię podejrzanych wypłat dopiero wtedy, gdy pieniądze już wyszły. Dlatego platforma danych nie jest tu funkcją pomocniczą, tylko częścią obiegu operacyjnego — a człowiek, który ją buduje, kosztuje więcej niż średnio na rynku data engineeringu.

Czym dane kasyna różnią się od zwykłego produktu

Różnica tkwi w trzech rzeczach: wolumenie, liczbie źródeł i cenie błędu.

• Granularność zdarzeń. Jednostką ewidencji nie jest zamówienie ani sesja, tylko pojedynczy spin: zakład, wynik, zmiana salda, uruchomienie mechaniki bonusowej. Przeciętny operator generuje dziesiątki tysięcy takich zdarzeń na sekundę w wieczornym szczycie, a wszystkie są potrzebne w przekroju gracza, gry, dostawcy i waluty.
• Kilkanaście zewnętrznych źródeł i każde inne. Platforma gier, agregatory contentu (każdy dostawca slotów oddaje własne raporty we własnym formacie i według własnego harmonogramu), dostawcy płatności, processing krypto, trackery programu partnerskiego, platforma CRM, konta reklamowe. Żadne z nich nie musi być spójne z pozostałymi.
• Cena rozbieżności. Jeśli GGR w raporcie dostawcy i w hurtowni operatora różnią się o 0,4%, to nie jest „błąd pomiaru” — to spór o pieniądze z zewnętrzną firmą i pytanie od dyrektora finansowego. Spójność liczby jest tu cenniejsza niż piękno pipeline’u.

Co data engineer naprawdę buduje

Formalnie — pipeline’y ETL/ELT i data marty. W praktyce — cztery obszary, każdy z własnym zleceniodawcą i własnymi wymaganiami co do świeżości danych:

• Marketing i program partnerski. Kohorty według źródeł, CPA kontra LTV, raportowanie wypłat dla afiliantów. Liczy się tu atrybucja: ten sam gracz przychodzi jednocześnie z kodem promocyjnym, kliknięciem partnera i retargetingiem.
• CRM i retention. Segmenty do mailingów i kampanii bonusowych, sygnały odpływu, koszt bonusów. Data mart musi odświeżać się szybko — kampania odzyskania gracza startuje tego samego dnia, w którym przestał się logować.
• Antyfraud i płatności. Cechy dla reguł i modeli: tempo depozytów, powiązania urządzeń, anomalie we wzorcu zakładów. Ten sam strumień danych, ale z wymaganiem opóźnienia liczonego w minutach, a nie godzinach.
• Compliance i regulator. Regularne raportowanie aktywności gry, dane do kontroli AML, obsługa prawa do usunięcia danych wg RODO i oddzielne przechowywanie danych według jurysdykcji. Nudna część pracy, ale właśnie na niej trzyma się licencja.

Biznesowy sens tych liczb to osobny zawód: jak się je czyta i na czym opiera się decyzje, omawiamy w artykule o analityku danych w kasynie.

Stack i jak wygląda tydzień pracy

Zestaw technologii jest przewidywalny: SQL i modelowanie danych, Python, Kafka albo inny streaming, Airflow do orkiestracji, dbt do transformacji, hurtownia kolumnowa — ClickHouse, Snowflake albo BigQuery, plus Docker, Kubernetes i CI/CD. ClickHouse pojawia się w branży wyraźnie częściej niż średnio na rynku: jest tani przy dużych strumieniach zdarzeń i szybko odpowiada, a właśnie tego wymaga codzienny cykl decyzji.

Data engineer czy analityk BI: co wybrać

Te dwie role często siedzą w jednym zespole i mylą się w ofertach. Podział jest prosty: inżynier odpowiada za to, żeby liczba dotarła na czas i była taka sama we wszystkich raportach, analityk — za to, co ona oznacza. Inżynier żyje w pipeline’ach i modelach danych, analityk — w dashboardach, hipotezach i rozmowach z produktem. Na tym samym poziomie inżynier dostaje mniej więcej 10–15% więcej: mid analityk BI na Malcie kosztuje €3.8–5.2K, data engineer — €4.2–5.8K. W zamian analityk ma krótszą drogę do ról produktowych, a inżynier — do platformowych i kierowniczych.

Ile płacą

Widełki poniżej to net miesięcznie, z kartoteki zawodów SpinHire. Pierwsza kolumna — Malta i Cypr, druga — Polska, Rumunia i kraje bałtyckie, trzecia — praca zdalna i huby takie jak Tbilisi, Erywań i Kijów.

Do tego dochodzi roczna premia, zwykle 10–15% — skromniej niż w rolach marketingowych, gdzie część zmienna sięga połowy dochodu, ale też nie zależy od tego, jak spisał się kanał pozyskania. Widełki podnoszą trzy rzeczy: doświadczenie ze strumieniami rzędu dziesiątek tysięcy zdarzeń na sekundę, umiejętność liczenia i cięcia kosztów hurtowni oraz gotowość do odpowiadania za data marty, na które patrzy regulator. Juniora na tę rolę bierze się rzadko: prawie wszystkie oferty zaczynają się od mida, bo nikt nie chce uczyć człowieka jednocześnie inżynierii i domeny.

Jak wejść z klasycznego IT

To jedna z niewielu ról w iGamingu, w której prawie nikt nie pyta o doświadczenie domenowe. Przychodzi się z data engineeringu w dowolnej branży — fintechu, e-commerce, telekomu — i z backendu. Szczególnie cenione jest tło fintechowe: tam obowiązują te same wymagania co do spójności kwot i audytu zmian.

1. Stack ważniejszy niż domena. W CV na pierwszym miejscu powinny być wolumeny i narzędzia: ile zdarzeń na dobę, jaka hurtownia, czym orkiestrowaliście. Specyfiki metryk — GGR, NGR, koszt bonusów — douczasz się w półtora miesiąca już w pracy.
2. Angielski B1+ na poziomie technicznym. Zespół jest prawie zawsze rozproszony, dokumentacja i korespondencja z dostawcami — po angielsku. Płynności konwersacyjnej wymaga się tu mniej niż w rolach z kontaktem z klientem.
3. Przygotuj się na pytanie o jakość danych. Na rozmowie prawie na pewno zapytają, jak wyłapujesz rozbieżności i co robisz ze zdarzeniami, które przychodzą z opóźnieniem. To jest właściwy egzamin na tę rolę.

Ogólną mechanikę przejścia do branży — od czytania ofert po rozmowę o pensji — omawiamy w materiale o przejściu z klasycznego IT do iGamingu. Rola prawie zawsze dopuszcza pełen remote: tryb 5/2, bez przywiązania do biura na wyspie.

Dokąd rosnąć dalej

W górę — Senior Data Engineer, potem Data Platform Lead z zespołem trzech–sześciu osób, dalej Head of Data i CDO. W bok — analytics engineering bliżej produktu, platforma antyfraudowa albo infrastruktura ML pod modele odpływu i scoring graczy. Popyt na tę rolę jest stabilnie wysoki przy niedoborze kandydatów z doświadczeniem w dużych strumieniach zdarzeń: to ten przypadek, gdy wąskie gardło rynku działa na korzyść kandydata.

Pełny opis roli z obowiązkami, KPI i narzędziami — na stronie zawodu data engineera, a otwarte pozycje — w dziale Oferty pracy w SpinHire.

Przeczytaj też

ZawodyProgramista backendowy platformy iGaming: stos, zadania i pensjeZawodyProduct manager w iGamingu: czym się różniZawodyCountry manager w iGaming: odpowiedzialny za cały rynekDaneKto zatrudnia w iGaming: 20 najlepszych firm i 5620 oferty pracyKarieraRozmowa kwalifikacyjna na affiliate managera: pytania, case’y i zadania testowe