Data Scientist (Кампейнинг)

Мы в поиске опытного специалиста по обработке и анализу данных, который поможет нам улучшать наши коммуникационные стратегии и повышать эффективность маркетинговых кампаний через разработку специализированных решений в области обработки данных и машинного обучения. Наша команда занимается проектированием витрин данных, созданием аналитических моделей и разработкой подходов к оценке эффективности кампаний.

Основные направления работы:

• Обеспечение сбора, хранения и обновления данных в корпоративных хранилищах (ClickHouse, Greenplum, Oracle).
• Оптимизация процессов вычисления сложных характеристик клиентов и формирование профилей пользователей.
• Анализ экспериментальных данных и разработка алгоритмов прогнозирования поведения клиентов.
• Подготовка отчетов и визуализаций для принятия обоснованных управленческих решений.

• Проектирование и сборка витрин данных, включая таблицы и атрибуты для анализа кампаний и сегментации аудитории.
• Создание аналитической инфраструктуры для проведения тестов, построения воронок коммуникации и управления контрольными группами.
• Построение классических ML-моделей и эконометрических оценок влияния различных факторов на результативность рекламных кампаний.
• Совместная работа с маркетологами над улучшением показателей бизнеса через глубокую аналитику и внедрение рекомендательных систем.

Data Engineering:

• Профильное владение SQL: работа с оконными функциями, Common Table Expressions (CTE), вложенными запросами, настройкой индексирования и партисией.
• Опыт проектирования реляционных структур баз данных для кампаний и сегментированных аудиторий.
• Применение инструментов оркестрации (Airflow): создание рабочих графиков выполнения задач (DAGs), обработка исключительных ситуаций, использование сенсоров и таймаутов. 
• Использование библиотек Python для эффективной обработки больших объемов данных.
• Интеграция Python-кода с источниками данных, разработка загрузочных скриптов.

Data Science (ML & эконометрика):

• Глубокое погружение в классический Machine Learning: знание методов классификации и регрессии (бустинг, деревья решений, линейные модели, кластеры).
• Способности разработки кастомизированных фичей (feature engineering) для специфичных задач бизнеса (предсказания покупок, оттока, оптимального предложения клиенту).
• Грамотная интерпретация результатов и детальная оценка ошибок моделей.

Экспертиза в эконометрике:

• Оценивание каузального эффекта воздействий (Causal Impact, Diff-in-diff, синтетические контрольные группы).
• Умение строить uplift-модели и понимать смещения и скрытые факторы (instrument variables).

Метрики, контрольные группы, эксперименты:

• Проведение экспериментов (A/B тесты): Организация рандомизации выборок и проверка корректности разбиения групп на SQL/Python уровнях.
• Проведение когортного анализа, расчет LTV, retention, conversion rate, ARPU и других продуктовых метрик.
• Пре-экспериментальная подготовка и пост-анализ (методы снижения дисперсии типа CUPED, bootstrapping, байесовский подход).  

Soft Skills:

• Внимание к деталям при анализе данных и выявлении аномалий.
• Отличное статистическое мышление и критичность подхода к принятию решений.
• Творческий подход к формированию гипотез и разработке новых данных для улучшения предсказательной способности моделей.

• Гибридный формат работы, в современном офисе в Москве на Проспекте Мира (Олимпийский 14, БЦ Даймонд Холл)
• Выгодные ипотечные льготные условия кредитования
• Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров: Okko, Сбер Маркет, Сбер Еаптека и другие
• ДМС с первого дня и льготное страхование для близких
• Корпоративная пенсионная программа
• Детский отдых и подарки за счет Компании
• Обучение за счет Компании: онлайн курсы в Виртуальной школе Сбера и неограниченный доступ к библиотеке, обучение в Корпоративном университете, тренинги, митапы и возможность получить новую квалификацию