Аналитик данных (ИИ-агенты)

О компании

Мы создаём AI-продукты в сфере потребительского финтеха в США — кредитование и управление личными финансами (ПФМ). Наша миссия — помогать людям получать более умные кредитные решения и лучше управлять деньгами с помощью технологий, прозрачности и автоматизации. Мы — небольшая команда с венчурной поддержкой; компания прибыльна и быстро растёт.

Старший аналитик данных с фокусом на ИИ-агентов / Senior Business Data Analyst, Agentic Analytics in

Роль

В этой роли вы будете отвечать за отчётность, ad-hoc аналитику, работу с метриками и перевод аналитической функций на агенты поверх SQL/Python-логики, источников данных и проверок качества.

После перевода регулярной отчётности и ad-hoc аналитики на агентов в первые 3 месяца фокус сместится на более сложные задачи: работы с риск моделями и продвинутой продуктовой аналитикой.

Это не классическая аналитическая роль и не data engineering на готовом стеке. Помимо аналитики, SQL, Python и контроля качества данных, вы будете проектировать и настраивать агентов и подключать их к источникам данных так, чтобы они выдавали отчёты, которым можно доверять.

Функция уже работает: есть отчёты, интеграции с ключевыми источниками, метрики, на которые опираются решения. Задача — вывести её на следующий уровень через агентскую архитектуру.

Кому эта роль подойдёт

Если у вас сильные аналитические способности, вы любите разбираться в данных и хотите строить новую модель работы аналитика через агентов — эта роль доя вас.

Важнее всего аналитическое мышление, аккуратность в работе с данными, скорость обучения и практический интерес к тому, как агенты подключаются к источникам данных, проверяют себя и помогают готовить отчёты.

Подойдёт тем, кто хочет быть на переднем крае того, как меняется работа аналитика в эпоху агентов, и готов сам формировать, как эта работа должна выглядеть, а не ждать готовых инструкций.

Роль может не подойти, если вы предпочитаете работать только в классическом стеке (SQL + BI) без экспериментов с агентами.

Что вам даётся

Возможность быть на переднем крае agentic AI в реальном бизнес-контексте на продвинутом конкурентном рынке.

Прямое влияние на ключевые продуктовые и бизнес-решения через данные.

Динамично растущий бизнес - результаты работы видны быстро.

Высокая автономия и возможность самому формировать аналитический бэклог.

Работа рядом с фаундерами в открытой команде.

Глобально востребованный опыт в финтехе и AI.

Гибкий график и формат работы в европейской или американской часовых зонах.

Опционы для подходящих кандидатов.

Требования

2+ года опыта в аналитике, analytics engineering, data engineering или гибридной data-роли. Готовы рассмотреть сильных кандидатов с меньшим или большим опытом, если есть сильная аналитическая база и практический интерес к агентам.

Сильный SQL: сложные джойны, CTE, оконные функции, оптимизация, чтение и рефакторинг чужого кода.

Сильный Python: для аналитики и автоматизации: pandas, работа с API, scheduled jobs.

Реальный интерес к агентам и автоматизации аналитики**:** вы пробовали строить агентов, подключать их к данным или API, и понимаете, почему нужны проверки, ограничения и human review.

Культура работы с данными: воспроизводимость, прозрачные определения метрик, проверки качества и бизнес смысла смысла, аккуратная работа с чувствительными данными, версионирование логики, инкрементальные выгрузки, оптимизация запросов, понимание нагрузки на БД.

Способность структурированно общаться с бизнесом: понять задачу, сформуировать план действий, уточнить метрику, приоритизировать и объяснить результат простым языком.

Английский язык — уровень не ниже B2.

Будет плюсом

Опыт работы с unit-экономикой: считали CAC, LTV, retention, когорты, payback и помогали бизнесу принимать решения на основе этих метрик.

Опыт в consumer lending/subscription-based businesses.

Знание кредитных метрик: FICO/Vantage, DPD buckets, vintage analysis, delinquency, charge-off, repayment curves.

Опыт с BI-инструментами: Grafana или аналоги.

Опыт проектирования структур данных для DWH / analytical layer

Опыт мониторинга риск моделей в продакшене.

Опыт построения production-ready агентских систем.

Процесс найма

30 минут — вводный звонок: опыт, ожидания, формат работы

Тестовое задание — агент для отчёта по подписчикам (3–5 часов)

60 минут — разбор тестового задания + technical/business case

45 минут — финальное интервью с фаундерами / командой

Обычно процесс занимает 2–3 недели, в зависимости от скорости коммуникации с обеих сторон.

Ключевые навыки SQL · Python · LLM Agents · AgenticAI · Analytics Engineering · Business Analytics · Unit Economics · CAC · LTV · Retention Analysis · Cohort Analysis · Reporting Automation · PostgreSQL · Consumer Lending · Fintech